Probabilidad y Estadistica Octavio Sanchez PDF

MATEMATICAS Probabilidad oy ESET ale: OcTAVIO ANCHEZProbabilidad y estadistica Segunda edicién Octavio Sanchez Corona Universidad Nacional Autonoma de México Revisor Técnico Samuel Tena Montes Universidad Autonoma Metropolitana iN i MEXICO « BUENOS AIRES + CARACAS + GUATEMALA + LISBOA * MADAIO® NUEVA YORK SAN JUAN * SANTAFE DE BOGOTA + SANTIAGO + AUCKLAND * LONDRES » MILAN MONTREAL NUEVA DELH! SEN FRANCISCO * SINGAPUR + + SIDNEY * TORONTOee -C-C-O= Ii Probabilidad y estadistica Gerente de Division’ José Ashuh Monayer Gerente Editorial Emilio Javelly Gurria Gerente de Producto: Estela Delfin Ramirez Supervisor de Edicisn Javier Lopez Campoy Supervisor de Produccién: Juan José Garcia Guzmin is PROBABILIDAD Y ESTADISTICA inda edicion : Prohibida la reproduccién total o parcial de esta obra, por cualquier medio. sin la autorizacién escrita del editor, McGraw-Hill Interamericana DERECHOS RESERVADOR © 2004 respecto a la segunda edicisn por McGRAW-HILL/INTERAMERICANA EDITORES, S.A. DE C.Y. 4 Subsidiary of The MeGraw/Hill Companies, Inc. Cedro Nim 512, Col. Adampa Delegacién Cuauhtémoc 06450 México, DF. Miembro de la Camara Nacional de ta Industria Euitosia, Rs SBN: 970-10-4145-3 (970-10-1337-9 primera edicibr) 334567890 (09876532104 Esta cba se termind de Inmprini an Jubo del 2003 on UTOGRAFICA INGRAMEX Centeno Num: 18241 Delagacion itapalepa P.03810 Mexico OF Impreso en México, Printed in Mexico peeContenido ili -O-O-O— CONTENIDO CAPITULO 1 FUNDAMENTOS MATEMATICOS Fundamentos matematicos 2 Operaciones basicas. A Fracciones : a Porcentajes : 6 Razones y proporciones —— un Redondeo de decimales 14 Algebra 16 Potencias y races... 2... : : i Notacion exponencial 2.0.0 cve evens 0 Factoriales ee sete tee 20 La sumatoria : 21 Prioridades en el céleulo de expresiones algebraicas cn 2 Variables 7 Escalas de medicién en estadistica ck 27 ‘Conjuntos. 2B Operaciones entre conjuntos 30 Coordenadas rectangulares el La ecuacién de a recta 32 Interpolacién lineal a4 Conceptos estadisticos. os... 35 Ramas dela estadistica® 35 Poblacién y muestra. 36 Mucstre0 36 a Estimacién ss. 237 : Prueba de hipstesis : 5 i Analisis de tendencias 37 CAPITULO 2 DISTRIBUCIONES DE FRECUENCIAS Distribuciones de frecuencias = 40 . Conceptos bisicos 40 Intervalos uniformes, desiguales o abiertos 40 Determinacisn de frecuencias de datos fuente... oo 2 Limites exactos y marcas de clase. 52 Frecuencias rlativas Presentaciones graficas 6 Histograma y polfgono de f 63 Curva de frecuencias 65 Grticas de barras de dos variables 6 Graficacién de frecuencias acumuladas. 68 Grifieas de pastel i Otros tipos de erificas 7” Aplicaciones grificas y numérica 2 Interpretacion de las ojivas iB Aplicacién numérica de fas fiecuencias acumuladas. “ Aplicacién avanzada de las frecuencias acumuladas. 3 Consideraciones adicionales Zoge4alC-O-0- iv Probabilidad y estadistica Consolidacién de clases... . 87 Frecuencia unitarias .... . . 88 Consecuencias de la agrupacién de datos 90 Ejercicios para resolver en grupo 92 Ejercicios propuestos. depsoode 2 CAPITULO 3 MEDIDAS DE TENDENCIA CENTRAL Medidas de tendencia central 98 Factores unitarios. 98 Datos individuales ... ao 100 Media, mediana y moda, 4 100 Promedio ponderado pee 105 Promedio mévit . ae 10 Media geomética. . pooecan nl Cuantiles (cuartiles, deciles y porcentiles) 5 n3 Datos agrupados, MS Media, mediana y moda. us Aplicacién de la media aritmética ..... 7 Cuantiles (cuartiles. deciles y porcentiles) boos . no Ejercicios para resolver en grupo 1 Ejercicios propuestos..... 121 CAPITULO 4 MEDIDAS DE DISPERSION Medias de dispersion 126 Datos individuales... 137 Rango, desviacién media, varianza y desviaci6n esténdar : 127 Desviacién estindar de muestras 130 Desviacién esténdar. Formulas clésica y simplificada . 132 Coeficiente y porcentaje de variacién 134 Coeficientes de variacién comparados 136 Coeficiente de asimetria de Pearson : . 138 Momentos y curtosis -...06.0.s+ 5 140 Puntuaciones estindar Maz Datos agrupados. 14a Rango, varianza y desviacion estindar .. a jercicios para resolver en grupo a7 Ejercicios propuestos. 147 CAPITULO § ANALISIS COMBINATORIO 150 Anilisis combinatori. Permutaciones .. Permutat algunos objetos, de todos diferentes Permutar todos los objetos, ce todos ciferentes. : 152 Permutar todos los objetos. de algunos repetidos . : 154 Permutar algunos objetos. de algunos repetidos 155 Permutaciones con reemplizo 156 Combinaciones 157 Multiplicacisn de combinaciones 60) ercicios para resolver en grupo 60 tt reicios propuestos.ees Conenite*s ~~ —M CAPITULO 6 ESTUDIO BASICO DE PROBABILIDADES Estudio bésico de probabilidades...- : 164 Tipos de eventos . 165 ‘Suma y multiplicacién de probabilidades 166 Eventos mutuamente excluyentes . 167 Eventos independientes 168 Eventos dependientes. 168 Eventos no excluyentes entre sf... ++ 169 Otros conceptos - 5 171 Espacio muestral psa im Arbol de probabilidad : 5 13 Esperanza matemiética m4 Probabilidad conjunta 176 Poblacién infinita, 176 Poblacién finita 7 Bjercicios para resolver en e770 5 180 Ejemplos propuestos. 180, CAPITULO 7 PROBABILIDAD CONDICIONAL Probabilidad condicional . 184 Diagramas de Venn 134 Tipos de probabilidades. : 187 Analisis de probabilidades condicionales 190 La formula de Bayes . 191 Deduccidn de Ja tabla de contingencias, 193 Ejercicios para resolver en grupo 194 Ejercicios propuestas . 5 195 CAPITULO 8 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES DISCRETAS: Distribuciones de probabilidad para variables diseretas La distribucidn uniforme : La disteibucién simetrica La distribucién binomial o de Bernoulli Media y desviacion estindar de la distribucion. binomial para poblacién infinite realy desviaei6n estindar de 1 dstribucion binomial para poblacion finita “Analisis del factor de correecién por poblacién finita Sesgo y curtosis de ta distribucién binomial Aplicacidn det tridngulo de Pascal ‘Muestreo para aceptaciéin de lotes La distribucién hipergeométrica {a distibucicn binomial como aproximacién a la hipergeometics ‘Media y desviaciGn estindar de fa distibucién Mipergeometrict La distribuciin de Poisson TE etracton de Poisson como aproximacign a la binonsal Ladistribucién de Poisson como aproximacién a la hipergeameinc ‘Media y desciacign estndar de ta distribuci6n de Po!sson Media y d sn extindar de las distribuciones discretas. jercicio para resolver en sTupo Ejercicios propuestos,O-O-O- vi Probabilidad y estaistica CAPITULO 9 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS. Distribuciones de probabilidad para variables continuas. La distribucién normal. ‘Areas bajo la curva de distribucién normal Aplicaciones de la distribucién normal La distribueién normal como aproximacién binomial 233 La distribucién normal como aproximacién 236 ala de Poisson La distribucién exponencial. Ejercicios propuestos. CAPITULO 10 ANALISIS DE TENDENCIAS Aniilisis de tendencias “Andilisis de regresion . . 243 Anilisis de correlacion 246 Error estindar del ajuste 248 Ejercicios para resolver en grupo 249 Ejercivios propuestos. . 249 CAP{TULOS ANEXOS. Anexo 1. Carta de compromiso. ee 252 Anexo 2. Tabla de ntimeros aleatorios . fat 253 Anexo 3. Célculo aproximado de Ja rafz cibica . ae 254 ‘Anexo 4, Pactoriales de los nimeros 70 865... 255 Anexo §. El binomio de Newton y el tringulo de Pascal 256 Anexo 6, Muestreo para aceptaci6n de lotes, con un nivel de confianza del 90%. 257 Numero miximo de articulos defectuosos permisibles en una muestra de tamafo a. Anexo 7. Area bajo la curva de la distribucién normal estandarizada Anexo 8, Glosario Anexo 9. Formulas wtilizadas : 266 1. Fundamentos matemétices. ... 266 2, Distribuciones de frecuencies . 267 3. Medidas de tendencia central 269 4, Medidas de dispersisn . , 270 5, Anais combinatorio. . 273 6. Estudio bisico de probabilidades. mm 7. Probabilidad condicional . . 74 8. Distribuciones de probabilidad para variables diseretas 274 9, Disteibuciones de probatilidad para variables continuas 276 0, Anslisis de tendenciesee Contenido vii -O-O-O— Anexo 10, Solucién a Jos ejemplos propuestos 278 Capitulo 2 278 Capitulo 3 282 Capitulo 4 286 Capitulo 5 288 Capitulo 6 289 Capitulo 7... 202 Capitulo 8 296 Capitulo 9 c 209) Capitulo 10 301 Caracteristicas tipogréficas de este libro, sin incluir esta pagina 303 Anexo 11. Apoyo de la hoja de caleulo, 304oOo” ° F ° Capituto | 900°> C6, Oo "22000000009? 5490000002... 900°" 9°? Fundamentos o matematicos ° Vale més el que sabe mas. \ ToS 87 S75 52 G85 59 505 60 G05 St O15 82 G25 63 635—O-C-C— 2 Probabilidad y estadistica 4 Fundamentos matematicos Es cierto que la probabilidad y la estadistica estdn Henas de nimeros, pero también es verdad que no se requieren conocimientos avanzados de mateméticas para iniciarse en su estudio. Es importante, claro, manejar fracciones, determinar porcentajes y otros puntos biisicos que se repa- san en este capitulo. Operaciones basicas En estos parrafos se presentan conceptos tan sencillos para la mayoria de las personas, que bien pudie: ran ni siquiera mencionarse: sin embargo, el autor opina que es preferible incluirlos para despejar cual- (quier duda que alguien tuviera al respecto. Fracciones Una fraccién es una cantidad expresada por la relacién (0 divisi6n) entre dos mtimeros: el primero es el hnumerador e indica cudntas partes se deben tomar (por ejemplo, 3), mientras que el segundo ntimero sefiala en cudntas partes se ha dividido una unidad (por ejemplo, 7). La relacién entre esos dos nu: metos (3 y 7)es una fracci6n, 3/7. y puede expresarse también en forma decimal, como resultado de ta divisidn del numerador entre el denominader, En este ejemplo, 3/7 = 0.4285714. Fraceién Equivalente decimal Numerador ——> 3 _ Denominador ——————» 7 04285714 | L - | Una fraceidn como la anterior. 3/7, es una fracci6n propia. Impropias son aquellas en lus que el numerador es mayor que el denominador, y por lo tanto su resultado es mayor que 1.0: por ejemplo, 18/11 = 1.6363636, 14/5 = 2.8. eleétera, mnes propias ~ Fracciones impropias | | 3 18 1285714 = 1.6363636 jp soazssrl 7 | ‘expresarse tambign como el entero que contienen y Ia fraccién re- Las fracciones impropias pue manente, En esta forma se les conoce como fracciones mixtas. | Fracciones | Fracciones: | | mproping | mints ; a8 7 I jou 1oe Fundamentos matemticos 3 —G--O— con todos los decimales resultantes (por ejemplo, 1/5 0.2: Cuando una fraccién puede expresarse 3/625 ~ 0.0048), se conoce como fraccién con representacién decimal exacta; en caso contrario se Ta jna fraccicn sin representaciGn decimal exacta; por ejemplo, 1/3 = 0.333; 3/7 = 0.4285714, eteétera Fracciones con representacién decimal exacta Fracciones sin representaci6n decimal exact 1.0333 3 Faisten algunas fracciones en las que algunas cifras de su equivalente decimal se repiten continuamente:por ejemplo, 3/7 = 0.428571 428571 428... estas fracciones se les conoce como cicieas 0 perisdicas Fracciones efclicas 0 periédicas +. o.oi09s9010 oT Fracciones no ciclicas 0 no periddicas (001097694840834248, ‘Si una fraccisn se divide entre otra fraccién, “I~ se presenta lo que se conoce como wns fraccion comple y para resolverla se utiliza la formula que se indica en este inciso. jocidas tambiéa como quebrados. pueden manejarse numé Testarlas, multiplicarlas o realizar entre ellas, y entre otro nimero. cualquier Lat siguientes ejemplos ofrecen muestras de operaciones bisicas entre fracciones: en ellos se realizan como su equivalente decimal Las fracciones, con: ricamente para sumar- las operaciones considerando tanto fracciones Ejercicio wuientes operaciones: AL Realice las si=C-O-O~ 4 Probabilidad y estate § —$ $< << _ Solucion: 4a) La formula para la suma de fracciones a, 6 _asdtbec i | ba | 2y d=5. por lo tanto: 29 = 08285714 aon b) La férmula para la resta de fraccionss es: pare a bed 2 te caso, a= 3, b=7. en fos siguientes pasosFundamentos matematicos > tsar Ejercicio 1.2 Realice las siguientes operaciones: 4) 3 bo 4) La férmula para la mutiplicacin de fracciones es: } Calera | pd bed | En ene caso, a2 3.62 7.c=2y d= 5, por lo tanto & sims by La férmula para la division de fracciones es por Io tanto: 3B 21.0743CHC-O~ 6 Probabilidad y estadistieg § —_$@A @AD@ A Puede utilizarse también un método alternativo como el que se ilustra en los siguientes pasos: 3 = o.zgs7i4 7 = 04285714 «0.4 = 0.17143 = 04285714 = 0.4 = 1.07143 ESAbIA|S QUE... la pureza del oro de joyeria se mide en quilates? 24 quilates equivalen 2 100% de oro, por lo tanto, el oro de 18 quitates equivale a un 75% de oro y 25% de otros meta- Jes, mientras que el oro de 10 quilates contiene casi 42% de or. La divisién de fracciones puede realizarse también mediante la siguiente formula: _a,d_ acd db 67 bee Eneste caso, a= 3, b= 7, ¢=2y d= 5. por lo tanto: al SLRS ISL 3 ; S = 1.07143 Porcentajes ‘Los porcentajes son tna forma sencilla de presentar fa relacién numérica de una cantidad respecto a or ¥ son parte importante de la vida diaria: par ejemplo, cuando se dice que el precio de un articulo aumen- tard en 7.5% significa que el precio se incrementard en 7.5 centavos por cada peso del precio original 7 Sil anticulo costaba $500.00, ahora costard $500 + (55 ) ($800) = $537.50 = ($500) (1 + 7.5/100) = 537.50. Observe que el incremento fue de $37.50 (7.5 ¢ por cada uno de Tos $500.01 del costo original. En el ejemplo anterior se increments cierto porcentaje al valor original, lo cual puede expresarse por medio de las siguientes expresiones matemidticas equivalentes: Porcentaje ) Vol final = Valor incial + Vator inal + Vil cena) = Stor ini (1 + Perez) (to Si la operacidn desea fuera disminuir e Valor inci as Formulas anteriores darian come re sultade Poreenaie Vial inl Vator inci ~ Valor inal» ale torical (Tog) = Valor inicial « {1 — Ponenae 100Fundamentos matemiticos 7 ~O+O-O— U.S.A AND CANADA ARE TAKING 86% OF EXPORTATION SUR LA Pees pore rrr kw ee ee eee IRAN A LAS URNAS 60% DE PERREDISTAS, PREVEN Pees perenne yErvepep p cernprepree Tp PENBE BSINPE Pees perenne La férmula general para porcentajes es la siguiente: lorde A Valor de B” 100 Porcentaje de A respecto a B Debe considerar que los porcentajes son relativos; es decir, estén ligados a la cantidad que afectan. y si ésta es diferente, el resultado sera diferente. Por ejemplo, suponga que un articulo que cuests $500.00 incrementa su precio en 7.5% (hasta $537.50), Si luego se reduce su precio en 7.5%, éste ques dard en $537.50 ~ S(537.50) (7.5/1€0) = $497.19. ‘Si desea conocer el porcentaje de una cantidad respecto de otra, slo debe dividirlas y multiplicar ese resultado por 100; por ejemplo, si una camisa cuesta $35.90 y otra cuesta $75,400, las relaciones porcentuales entre ellas son las siguientes: Camisa A _ $35.90 +100 = 4 Camisa B $75.00 Lt Camisa BB _ $7500 Camisa A ~ $3590 + 100 = 208.91% La camisa A cuesta el 47.87% ce lo que vale la camisa B. La camisa B cuesta el 208.91 (mds del dlobie) de lo que vale la camisa A, Tambign se puede entender que se necesitara el 108.91 (20801 «\00%C) de increment al precio de Ta camisa A para igualar el de la camisa B o multiplicar el precio camisa A por 2.0891 (208.91 100,O-CO= 8 Probabilidad y estadisiea —§ —$& AA A _ i Ejercicio 1.3 La compaia La Esperanza, S.A. de C.V. tiene 5214 empleados; 1372 de ellos laboran en la Gerencia de Administracién, De éstos, 397 trabajan en el Departamento de Publicidad. De. termine e interprete el porcentaje- a) de empleados administrativos de la empresa b) de empleados de publicidad de Ia empresa ¢) de empleados de publicidad de la Gerencia de Administracién i Solucion: 4) Porcentaje de empleados udministrativos de 1a empresa. Porcentaje de empleados adwinistrativos de = la empreser le empleados administrativ 00 fe empleados de la empresa” |” El valor obtenido indica que cerca de 26 de cada 100 empleados de la empresa trabajan en la bores administrativas, Compruebe que esto equivale aproximadamente a 5 de cada 20 empleados. Gerencia de Admins con TRRAR. BARR RRR by Porcentaje de empleados de publicida Ja empresa, emoje de empleatos dle publicidad de la empresa _ Nitera de fe publicidad ¢ emplead Tonal de empleados de fa en +100 = 21 100 = 7.6% m4$$ irdamentos materticos 9 0-040 El valor obtenido indica que cerca de 8 de cada 100 empleados de la empresa trabajan en el Depar- tamento de Publicidad. Compruebe que esto equivale aproximadamente a 2 de cada 25 empleados, Empresa ooo “rn * it RARRARA ©) Porcentaje de empleados de publicidad de la Gerencia de Administracién, Porcentaje de empleados te publicidad, ‘Nimero de empleados de publicidad | eae Tetal de empleados administrativos 387. 109 = 28.9% 1372 : } Cerca de 29 de cada 100 empleados de la Gerencia de Administracién trabajan en el Departa: } mento de Publicidad, Compruebe que esto equivale aproximadamente a 3 de cada 10 empleados, Publicidad 28.9% departamentos TAG10. Probabilidad y estadistica§ —_$&A @_ @ @ Ejercicio 1.4 Un empleado ganaba $1500.00 al mes y recibe un aumento de sueldo del 20%, Poco tiempo después recibe otro aumento, esta vez del 10%, 4) {Cul es ahora su sueldo? +b) {De cuanto fue el porcentaje de aumento total respecto a su sueldo original? Solucion: Sueldo original: $1500.00 Primer aumento: 20% de $1500.00 = $300 (ico } «$1500.00 = (0.20) + $1500.00 ‘Sueldo después del primer aumento: $1,500.00 + $300.00 = $1800.00, Segundo aumento: 10% de $1800.00 = $180.00 10 (Gop }781800.00 = ©.10) +S1800.00 Sueldo después del segundo aumento: $1800 + $180.00 = $1980.00 + El sueldo mensual del empleado es ahora de $1980.00 + El porcentaje de aumento total respecto a su sueldo original puede calcularse de la siguient manera: Valorfinal__ Valor nicial Porcentaje de aumento $1980.00 ‘siso000 ~ 1)1% = 1132= 1) +100 = 32% EJ aumento total recibido es del 324%. Observe que el aumento total no es la suma de Tos aumen- 10s otorgados 20 y 10%, sino {(1 + 20/100) + (1 + 10/100) ~ 1] + 100 = 32%, puesto que el segun- : do aumento afecta también al primero, es decir, se aumenta sobre el aumento, de manera similar | al céleulo de interés compuesto, donde se contabilizan intereses sobre intereses.Fundamentos matemiticas. 1] qn) +100 76% Razones y proporciones Muchos problemas de diversa nattraleza pueden resolverse por medio de un argumento Iégico muy sencillo: la proporcionalidad Esta consiste en suponer que Jas cosas conservan su tendencia histdrica: por ejemplo, si se necesitan 420 ladrillos para levantar 10 metros cuadrados de pared, se necesitaré el doble (2 + 42 para levantar 20 metros cuadrados de pared. Desde luego que la proporcionalidad tiene limites pricticos: por ejemplo, no tiene sentido, en ‘étminos de ladritlos comunes, una pared de 0.001 metros cuadrados, o el razonar que. si una mujer Puede procrear un hijo en nueve rieses, serian necesarias nueve mujeres para tener un hijo en un ‘mes. Sin embargo, los ejemplos que se presentan a continuacién ilustran su aplicacicin.CAC= 12 Probabilidad y estadistica Ejercicios 1.6 Un automsvil consume 8.76 litros de gasolina en una y media horas. {Cusintos litros con- sumiria en 5 horas? Solucion: + El consumo por hora es: Consumo por unidad de tiempo = Ceesume Tiempo 8.76llitros 15 horas £84 Iur0s por hora El consumo en $ horas seré Consumo toral = Consumo por unidad de tiempo * Tiempo = 5.84 litos por hora + 5 horas 29.2 litwos + Una solucisn alterna esta en el siguiente planteamiento, el cual se conoce cominmente como regla de tres”, debido a que la incognita la definen tres valores: tk jb é eo J Lo amerior debe leerse de la siguieate manera’ Se consumen a litros en b horas, ;cusintos litros se consumirian en c horas? En este caso = 8.76, b= 1.5 y ¢ = 5: por lo tento 8.76 litros « 5 horas = 29.2 ros 5 horas " 1.7 Una huerta de 8.4 hectéreas produce 35.7 toneladas de manzanas. Cua nto produciréa un $ huerta de 14.8 hectdreas?Fundamentos matematicos.B —C-C-O— Solucién: + La produccién por hectarea es: Produccién Produccién por unidad de superficie : 7 Superficie _ 35.7 toneladas 84 hectireas = 4.25 toneladas por hectares + La produccién en 14.8 hectér Producci6n tonal Produccién por unidad de superficie « Superficie 4.25 toneladas por hectirea » 14.8 hectireas 62.9 toneladas + Una solucidn alterna es el siguiente panteamiento [ae ee bers Lo anterior debe leerse de Ia siguiente manera: producen a toneladas en b hectireas; ;cudintas toneladas se producirian en c hectéreas? En este caso, b= 8Ay c= 14.8; por lo tanto: 9 ton 8.4 hectdveas Espejismo numérico. Una persona debe recorrer 80 kilometros en dos horas, por lo ue decide viajar o 40 km/h. Si durante la primera mited del camino sélo puede viajar « la mitad de lo velocidad prevista, ga qué velocidad debe viajar la segunda mitad del camino para llegar a tiempo? Seria facil pensar que, si en la primera mitad del camino se viaj6 «la mitad de la velocidad prevista, en la segundo mitad se debe viajar al doble de eso velocidad, es decir, « 80 km/h; sin embargo, durante la primera mitad del camino (40 km) lo persona viajé a 20 km/h; en este tramo tardé 2 horas. Ya no tiene disponible ni un minuto para recorrer los 40 kilometros que le faltan. Compare este caso con el concepto de media arménica que se presenta en al capitulo 3.—O-0-0— 14 Probabilidad y estadistica Redondeo de decimales El resultado de una operacién numérica, como una division, produce en ocasiones mis decimales de Jos que se desean y es necesaria una accién conocida como redondeo, por medio de la cual se convierte la cantidad original en otra similar, pero con el nimero de decimales que ms convenga, El redondeo de decimales puede lograrse répidamente, aunque de la manera mas inexacta, elimi- nando los decimales que no se descen: sin embargo, existen reglas cominmente aceptadas para el re- ) 0.0K) 007 38,Fundamentos matemsticos 19 -Q-Q-O— Solucion: 1) 487 300.000 000= 48 730.020 000 x 10! 4.873 090 000 108 487 300 000 x 10° 48 730 000 x 10° 4.873 000 10° 437 300 10° 48730 107 4873 x 10° 487.3 X 10" 48.73 X 10" 4.873 x 10" 0.0000738 x 10° 0.000 738 102 0.007 38 x 10 0738 x 10* 0.738 x 10% 5 7.38 x 10 by 0.000 007 38 *+ Observe que la potencia es positiva o negativa en funcidn del nimero de posiciones que se hi Ya recorrido el punto decimal a la izquierda o a la derecha, respectivamente Gieiaelo oo 19 pag DODO TTY Ba 738% 10" + esas es siuenes qc 60 en 096000001 =» 10 8700 000 000 000 000 000 = 8.7 x 10" ESAbIAS QUE... jos nombres de algunos ntimeros grandes son los siguientes? 1000000 = 1 x 10° = un milién 1.000 000 000 = 1 x 10° 1.000 000 000 000 = 1 x 10! = un millén de millones 6 un billén (un trllén en algunos pafses) I millones (un billén en algunos paises. 1.000.000 000 000 000 = 1 x 10! = mil millones de millones o mil billones (un euatrillén en al- sgunos paises) 1 000 600 000 000 000.000 = Ix 10" = un millén de millones de millones o un millén de billones. un trillén (un quintillén en algunos paises). 1000-000 000 000 000.000 000 = 1x 10#!= mil millones de millones de millones o mil millones de billones 0 mil trillones (un sextillén en algunos. paises) 1.000 000-000-000 000 000.000 000 = | > 10% = un millén de millones de millones de millones o un Billon de billones o un cuatrilién (un hepilln algunos patses)C—S—C— 20 Probabilidad y estadistica Factoriales El factorial de un ntimero es el res sitivos menores que dicho numero; por ejemplo, el factorial de 5 es 120 (5 » SEE sultado de muhtiplicar ese niimero por todos los nimeros et definicién, el factorial de cero es uno.) El factorial de un nvimero se obtiene Factorial den E factorial de un niimero puede expresarse también como el factorial de un nimero menor gue él 108 po. +36261 = 120), (Por la siguiente forma: DK M-1) xm | multipficado por los enteros que le siguen; por ejemplo: El factorial de Jos primero: racomun. Los factoriales de niimeros mi James Stirling, matemétiza inglés, Stith Ejercicio Solucion: 69 +6+7=120+6+7 | Factoriales de algunos nimeros 40 = 4165 +647 teétera, o | 1 | : | 4 | \ 5 6 720 | aE 1 5040) | | 8 40320 9 362 880 \ | 10 3628 800 | | nN 39.916 800 2B soo | nuimeros se puede obtener dizectamemte por medio de una caleulado- LI Determine los factoriales de 5, 7y 10. 628 800 ‘ores pueden obtenerse mediante la férmula aproximada de 1692-1770), 0 se puede consultar la tabla que se presentaFundamentos matemticos 21 ~ Prioridades en el cdlculo de expresiones algebraicas {Las matematicas estin definidas por un coajunto de reglas, las cuales deben seguirse siempre para lo- rar el mismo resultado, Las expresiones algebraicas contienen frecuentemente una gran cantidad y Variedad de operadores ‘muméricos de suma, resta, multiplicacién, divisiGn, etc, Para resolverlas se debe seguir siempre el or. den que se presenta enseguida: |) Calcule individualmente todos los factoriales que tengam la expresidn que se va a resolver Ejecute todas las operaciones indicadas entre paréntesis. Obtenga todas las potencias y raices de la expresién. 4 Realice todas las multiplicaciones y divisiones, en el orden en que aparezcan, Calcule todas tas sumas y restas para obtener el resultado de la expresin,Fundamentos matematicos 23 ~Q-~Q+O— Ejercicio 21-3015 +1) =9 r=(7! Is 341 = 9-185 +1) =9- =9-18/6=9- 13! at syd ere p= LEE 64 bP = (5040 - 6/4 + 72041 = 5 4(7204 17 5 go) - 5034 0344 +720 = 2212 4 = ses s19 481 = 4 595 258.5 +519 841 21. 099.5O-O-C— 24 Probubilidad y estadistica§ Variables Una variable es una forma de expresar ura caracteristica de un grupo de elementos de estudio, como el peso de una persona, su estatura, el color de sus ojos, etc. Las variables normalmente se identifican por medio de letras: por ejemplo, la variable b se usa para representar la base de un triéngulo, la vari ble f pare representar su altura, eteétera Las variables pueden ser cuantitaivas ¢ cualitativas. Las primeras, conocidas también como numé- Ficus o escalares,expresan en forma numica las caractersticas de los sujetos de estudio: por ejemplo, 5 kilogramos, 78 metros, 7.95 délares, ett, Mientras las variables cualitativas 0 categorieas expresan tuna caracteristica no numérica: por ejemplo, guero, blanco, moreno, etcéera, Las variables cuantitativas pueden ser discretas o continuas. Las disctetas s6lo pueden tener algunos valores vlidos: por ejemplo, el nimero de habitantes de una ciudad (obligadamente, entero positi- \). 0 ln estatura de una persona en metros y centimetros. Sirven para contar, ya sea borregos, manzatas ‘© mets y centimetros Las variables continuas pueden tener zualquier valor: por ejemplo, el espesor de una hoja puede set | mm, 0.99 mm, 0. 999 mm, o cualquier otro valor. Sirven para medir. ya sea el espesor de una ho- Ja de papel, Ia longitud de un tomillo o una distancia intergaéctica. Las variables cualitativas pueden clasiicarse en nominales y jerarguizadas, Las primeras expresun luna condicién especifica de los sujetos de estudio, como su domicilio o nacionalidad, mientras que las variables cualitativas jerarquizadas denotaa una caracterfstica de tamaiio w orden: por ejemplo: chico, ‘mediano, grande: malo, regular, bueno, | manejo de las variables cualitativas jerarquizadas puede facilitarse si se expresan mediante una ‘clave numérica o alfabética, por ejemplo: 10 A para soltero: 20 B para casado; etcéiera, Discretas (para contar) Cuanttativas (numéricas 0 escalares) | Continuas Clasiticacion — (para medi) deias || J Nominales | Cualtativas {0 categéricas) LL Jerarquizadas Larelacign entre las variables discretas y continuas es de gran importancia dentro de la probabilidad y Ia estadistiea: por ejemplo, ai aplicar ia distibuciGn de profabilidad normal como aproximacién la binomial, El siguiente ejemplo muestra dicha relacién,Fundamentos matemiticas. 25 ~Q~Q-O— Ejercicio 1414 La siguiente grifica representa, en el eje vertical, el nimero de personas de una poblacién con los pesos, en kilogrames, que se sefalan. Ientifique los intervalos que se indican: 106 a) entre 59 y 62 kg b) mayor de 60 kg } mayor o igual que 60 d) menor que 60 kg €) menor o igual que 60 Solucion: + Observe que. aunque los pesos se estan consider rando en kilogramos enteros, en realidad se ha ajustado la medida exacta al kilogramo mas cercano (por ejemplo: 58.195 a 58 ke, 0 60.784 a 61 kg). por Jo que resulta asf una variable discreta (con £ ros) partir de una variable continua (q + La siguiente gréfica convierte le variable discreta ( cando los valores d valores especificos, en este caso ente= valor. icepla cualqui 7. 58, etc.) en variable continua, identifi intervalo de influencia de cada uno de ellos. 106O-O-O— 26 Probability estadistiea § mm @@ mama mama 106 59 60 6 62 565 575 58S SOS OOS SRS b) Mayor que 60 kg (0 de mas de 60 kg, excluye a 60) 37 38 38 60 61 62 Cy kg 55 S75 BS SOS OSS SS ©) Mayor 0 igual que 60 kg (o por Io menos de 60 kg, incluye a 60). 106 BO 7 Os (0G Oy | on 0GFundamentos matemiticas 27 ~Q+O-Q— d) Menor de 60 kg (o de menos de 60 kg, excluye a 60). 57 oe 59 oo er ee os kg 365 S75 SBS 58S HOS BIS RSS €) Menor o igual que 60 kg (o cuando mucho de 60 kg, incluye a 60), 106 575-585 5OS USGS RSA Escalas de medici6n en estadistica El uso de datos esta sticos depende de su naturaleza y pueden clasificarse en cuatro niveles, a saber 1. Nivel nominal. En éste los datos s6lo pueden contarse o clasificarse, Por ejemplo. de los alumnos de este grupo, {cusintos nacievon en cada uno de los diferentes paises del mundo? Los datos 4 ser mutuamente excluyentes (si una persona nacié en un p aber nacido en ss del mundo En asi le este grupo opinan que la calidad de la ensefianza del profe: cl los 2. Nivel ordinal o jerarquiz erarquta. por Xesexe countogra 28 (Drcea y cstacsicg 5. Nivel de intervalos. Cuando los datos son mutuamente excluyentesy se pueden agrupar en clastic caciones exhaustivas, ademas de que la unidad de medicién es una constant se dive que pertene. cen al nivel de intervalos. El coeficiene de inteligenciay la escala de temperaturas son ejemplos de este nivel de medicisn 4. Nivel de cocientes. Este es el nivel mis completo de los datos, pues no s6lo cumplen con las caracte- "tieas de los otros niveles, sino que ademés son perfectamente comparables ente st: por ejemplo, a Un articulo cuesta $12.00 y otro $6.00, el primero cuesta el doble que el segundo. Cierto que la ma. ‘Yorfa de los datos estadisticos corresponde a este nivel, pero es necesario saber cundo no lo con Conjuntos Et concepto de conjuntos fa sido fundamental para comprender el orden de las cosas, pues permite or- anizar grupos de personas, ideas y objetos en diferentes clasificaciones, lo que facilita estodiarlos, Un conjunto es una coleccién de objetos relacionados entre si. Esos objetos se conocen como elemen- {08 del conjunto. Ejemplos: el conjunto de dias de la semana tiene 7 elementos diferentes entre sel con. junto formado porns caras de un dado: numeradas del 1 al 6; el conjunto de alumnos de este grupo, etcstera Los subconjuntos son agrupaciones de elementos relacionados enie si y forman parte de un com, Junto mayor. Ejemplos: el subconjunto de los dias habiles de una semana laboral, de lunes a viernes, forman parte del conjunto de dias de la semana; el subconjunto de los mimeros pares en las varas de un dlado 1o forman los nimeros 2, 4 y 6; el subconjunto de alumnos de este grupo nacidos entre el | de enero y el 30 de junio. Si un conjunto no tiene elementos se le conoce como conjunto vacfo 0 nulo, y se indica con los si bolos ( || © ©. Por ejemplo: dias de Ta semana que empiezan con r. Por lo contratio, jun conjunto contiene todos los elementos posibles,s¢ le conoce como conjunto universal, y se representa por U Por ejemplo: ef conjunto universal de los meses del afio incluye los 12, desde enero hasta diciembre. ‘Subconjuntos TS . [ a) ~~ (om) i — \ a Conjunto A: dias dé la semana ‘Subconjunto X: dias habiles de la semana A= [lunes, martes, miercoles, X= (lunes, martes, misrcoles, jueves. vines) Jueves, viernes, sabado, domingo} 1 5 j To ‘ i Subconjunto Y: caras pares Y= (2.4.6)Fundamentos matemiticos 29 ~Q4Q-Q— Foy & is $8 3% g% | r uw || @ | Conjunto C: alamnos de este grupo SubconjuntoZ:alumnos nacdos ense C= [Pedro, na, Miguel, Luisa, Mara 1 de enero y 30 de junio Suan José, Pay, Linda, Too} Z= (Luisa, Marta Juan, José, Linda} Si para cada elemento de un conjunto existe uno y séto un elemento en otro conjunto. se dice que Jos conjuntos son iguales, por ejemp 0: A=(1,3,5,7) B=15,3,7.1) + A=B Cuando todos tos elementos de un conjunto se presentan también en otto, generalmente mayor, se dice que el primero es un subconjunto del segundo, por ejemplo: el conjunto X de los dias habiles de tuna Semana es un snbconjunte del conjunto A de los dias de la semana, Este conceplo se representa con el sfmbolo C. En este ejemplo X C A y se lee: X es un subconjunto de A. Si X no fuera subcon- Junto de A, se indicaria como X ¢ A. La cardinalidad de un conjunto expresa el nimero de elementos que lo componen. Por ejemplo, el Conjunto A de los dias de la semana tiene una cardinalidad de 7 y se indica como n(A SIMBOLOGIA DE CONJUNTOS | + Seindica con mayscuas el nombre de conjunte por ejemplo: X + Los elementos de un conjunto se enumeran entre Haves, por ejemplo: lunes, martes, miércoles, jueves, viernes} | 12.4.6} Lunes © X, significa que Lunes pertenece al conjunto X + El simbolo € indica no pertenencia, por ejemplo: Javier € Z, significa que Javier no per El conjunto vacfo se representa como { } 0 @ | tenece al conjunto Z. E! conjunto universal se representa por ( Los conjuntos iguales se indican con el simbolo =, por ejemplo: A = B | con el simbolo Cuando un conjunto es subconjunto de otro se indi Si no Joes se utiliza el simbolo c. Por ejemplo: XCAR ZA. a cardinalidad de un enta por la letra n. Por ejemplo: n(A\ onjunte se~O-G-O- 30 Probabilidad y estadstiea A Operaciones entre conjuntos {La tcoria de conjuntos incluye varias operaciones que pueden realizarse entre ellos y que se explican a continuacién, {a union de dos conjuntos produce un ercer conjunto cuyos elementos son los del primer conjunto 4 los del segundo conjunto; los elementos repetidos s6lo cuentan una vez. por ejemplo: SiA= (1.2.3.4) yB= {0,2,4,6}, emonces AUB = (1, 2, 3.4,0,6} {La interseceién de dos conjuntos produce un tercer conjunto cuyos elementos se presentan en ame bos conjuntos. por ejemplo: SiA= (1.2.3.4) y B= (0, 2.4.6}, entonces A. B = (2,4) £1 complemento de un conjunto A contizne los elementos dl conjunto universal que no forman par- {c del conjunto A. y se representan como 4’. Por ejemplo: el complemento del conjunto “Les dias h biles de fa semana’ es el conjunto formado por los dias sabado y domingo, Ejemplo: Si A= (Jas caras pares de un dado} = (2, 4.6) (as caras del dado, menores que 5} = (1, 2, 3. 4} {las caras de un dado} = (1,2, 3,4, 5,6} Entonces AUB. AMB=(2.4) 2,46, 1,3 1,2.3.4,6) Compriebe que el complemento de A es {1, 3, 5} y que el complemento de B es {5,6}. Un interesante concepto es la diferencia de conjuntos, la que resulta en Tos elementos de un conjun- {0 que no estén en el otro conjunto. Condiciones que deben cumplir las operaciones entre conjuntos e| _guientes ejemplos: ‘Sea U el conjunto universal. y A y B dos de sus subconjuntos. {xe Ulxe Aoxe By (Se lee: A unin Bes que x pertenezca a B.) Las operaciones entre conjuntosdeken cumplir as condiciones que se muestran en ox si_| | | | al a x. ef que forma parte de U, a condicién de que x pertenezca a A | Interseecién: Ao, (xe Ulxe Ayxe B) | (Se lee: A imerseccién B es | ca@Ay que x pertenezca a B.) ila x,el que forma parte de U. a condicién de que x pertenez- | Complemento: A'= (xe Ulxe A) (Se lee: A complemento es igual ax, el que forma parte de U, & condicién de que x no perte- | nezca aa.) | Ditferoncia: \-B= [xe Alxe BJ =A a | (Se ee: A diferencia de B es igual a x,el que forma parte de A. a condicién de que x no perte- | nezea a B,) | La presentacion gratica de conjuntos se conoce como diagramas de Venn-Euler, en honor a los max temuticos John Venn y Leonhard Euler. quienes los desarrollaron durante los siglos xvi y x1x. A con nuacisn se presentan algunos ejemplos de estos diagrams, aplicados a ta unin, interseccign, complemento y diferencia de conjuntes:Fundamentos matematicos. 31 —Q-Q-Q— Operaciones entre conjuntos a BU AUB SSABIAS Que... una aplicacién muy importante de los conjuntos es el andlisis de datos? Por ejemplo, Ia consulta a una base de datos podria realizarse mediante las siguientes instruccio- nes, basadas en el modelo SELECF- FROM- WHERE, 0) OBTENGA: NOMBRE, TELEFONO CONDICIONADO A: SUELDO > $5000.00 +b) OBTENGA: NOMBRE, TELEFONO CONDICIONADO A: SUELDO > $5000.00 Y CASA PROPIA = ‘SI’ ©) OBTENGA: NOMBRE, TELEFONO CONDICIONADO A: SUELDO > $50.000.00 Y EDAD ENTRE 25 Y 40 Y ESTADO CIVIL = "“SOLTERA Coordenadas rectangulares El problema de definir la ubicacion de un punto en el espacio ha originado multitud de soluciones. por ‘ejemplo: la division del planeta en paralelos y meridianos; las coordenadas polares; la nomenclatura de Jas calles o la identificacién y kilometraje sefalados en las carreteras, Una forma de identificar la posicién de un punto sobre una superficie plana es marcar referencias fijas (dos ejes perpendiculares) y tomar las distancias del punto a las referencias. El sistema de coordenadas rectangulares (0 cartesianas, en honor a René Descartes. filésofo fran- cs. 1596-1650) esté hasado en dos rectas graduadss perpendiculares. que se ertzan en un punto que area en ambas el limite entre los mimeros positivos y los negativos, es decir, el cero.TOHO-O- 32 Probabitidad y estates racrndas ce aiguiera, P, asociado & los valores (x.y) ¢ ientificado como Pls.) en un sistema de pects cnadas rectangulares, se ubica ax unidades sobre el eje horizontal (la abscisa).y ay unidace $0" bre el eje vertical (Ia ordenada) Ejercicio NAS Sefiale los siguientes puntos en un sistema de coordenadas rectangulares AG, 6), BI3.0), C4. ), D(-3,-4 )y EXS, -5) Solucion: + Los puntos deseados se muestran claramente en la gréfica anterior. La ecuaci6n de la recta Una ecuacion como la de unc recta 0 de una paribola representa en forma algebraica el compo {ode und o varias variables. tal como podrie ser la relacién entre la velocidad de un automévil, sux cos ‘aeteristicay mectnicas, las condiciones de la carretera, etc. y la probabilidad de un accidente Fara calcula una ecuacidn cualquiera s6lo se necesita sustiuir en ella los valores de las variables y realizar las operaciones indicadas. Por ejemplo, en la ecuacion y = 3. lor de v seri ~5.sisves igual a4, el vae =2x (4-5 2x4-Fundamentos matematicos 33 ~Q-Q-O— Eneeste ejemplo, para el valor x =4, corresponde el valor y= 35. Una recta queda definida por dos puntos (x,.¥,) y (ty) Para graficarla se pueden definir dos valores arbitrarios para x, y x, (por ejemplo, x, = Oy x con ellos determina y, y y,, con base en la ecuacién de la recta. ° ly Ejercicio 1.16 Grafique la ecuacién de ta recta y = Solucion: + Suponga dos valores arbitrarios de x, por ejemplo x, = 0 y x, res v, yy, para determinar asf dos puntos que definen esta recta 1, y con ellos calcule los vato- y,=5x,-3 =(5)(0)~3 (5) (1) -3 + Dos puntos de esta recta son (0, ~3) y (1. 2). [Verifique que, aunque se tomaran otros valores arbitrarios para x, y x, (por ejemplo: x, = ~1 y x, = 1.5), la grifica seguiria siendo la misma.)O-O-C— 34 Provsabilidad y estadsties § A P@APmA Aa Interpolaci6én lineal El concepto de proporcionalidad, estudiado en la seccién de razones y proporciones, es fundamental Para entender diferentes temas, En esta seccién se presenta una forma avanzada de ese concepto: la interpolacin lineal, con la cual se puede calcular un valor intermedio de una recta cualquiera, definida por dos puntos conocidos. La interpolaci6n Tineal puede pensarse también como una “regla de cinco”, pues la incégnita la definen cinco valores: dos de cada punto conocido, ademas de la abscisa o la ordenada del punto deseado Ejercicio 1.17 Los puntos P,(1.0, 0.3413) y P.(1.1, 0.3643) definen una recta. Identifique el valor de y ps : sax igual a 1.04, Solucién: + Este problema puede resolv © por medio Se por medio de una interpolacisn lineal, ya sea en forma férmula correspondiente, segtin se indica a continuacién La formula para la interpolacién lineal de es la siguiente: 3643 ~ 0.3413) = 0.3505 Ejercicio 1.18 Los puntos P\(1.0. 0.3413) y P11, 0.3643) definen una recta ray igual a 0.35, emifique el valor dex pa-Fundamentos matemticos. 35 -O-O-O— Solucin: «+ Este problema puede resolverse por medio de una interpolacién lineal, ya sea en forma gréfica © por medio de Ta formula correspondiente, segtin se indica a continuacién: 203688 nel xe? yell La formula para la interpolacién lineal de x es la siguiente: jt Po oa) 0.35 ~ 0.3413 r= 10+ 23520341341 4.0) = 1.03782 10+ 13643-03413 ag eee Conceptos estadisticos La estadistica puede estudiarse desde los primeros afios de Ja escuela hasta los niveles de doctorado. y ‘aun superiores. Uno va por buen camino cuando conoce y aplica los conceptos que se presentan en es los parrafos. En este libro se estudian las bases de Ia estadistica. Los temas de muestreo, estimacisn y prueba de hipétesis estén mas alld del aleance del libro, ya que son materia de estudios més avianzados. Ramas de la estadistica* El estudio de la estadistica puede dividirse en dos gran- ee des ramas; una de ellas es la estadistica descriptiva, que cestudia las caracteristicas de un grupo de datos para conocer los valores que los describen, por ejemplo: la me- diay la dosviacidn esténdar J Deseriptiva Exadistica. —-| LL nferenciad | Atyunos ares consider a probed imo ui rama de In stitch embargo tos pan quem ni identiee ad xl ee Por otra parte, a estadstic inferencialoinferencia estadstca analiza los datos de una miestra po: {a conocer. a partir de estos datos, las caracteristcas de la poblaciGn dela cual se tomaron, lo que per. inie conoeer aproximadamente las poblaciones, aunque no se cuente con todos los elementos que las componen. También permite conocer con anticipacién las caracteristcas de una muestra si se ecmoccy lgunas propiedades de la poblaciéin de la cual se tomard la muestra, Poblacién y muestra Por poblacién estadistica, o simplemente poblacién, debe entenderse el total de elementos de un grupo que se estudia: por ejemplo, el | POBLACION total de manzanas producidas en la huerta La Flor, 0 el total de em- | pleados de una empresa. Una muestra es un conjunto de elementos extrafdos de un con- | Junto mayor (Ia poblacién), con el fin de conocer aproximadamente (Muestea] | las caracteristicas de la poblacién de donde proviene. a El conocimiento exacto de una poblacién requiere un estudio detllado. mientras que una muestra ‘lo permite resultados aproximados, peo su tiempo y costo de realizacién son, por lo general, mens, res que en el estudio de la poblacién, Estudio de una pobacin audio de una mostra] * Conocimicntoexacto * Conacmieno sproximado | | + Mucho tiempo requerido | + Répido | | Alto costo * Econémico: || a Una poblacion puede clasificarse como inita cuando el Fina inimero de elementos que la componen es limitado, como ¢l nimero de ballenas en el mundo, 0 infinita, cuando el | — pypacion | rimero de sus elementos es muy grande, como los granos | de arena en el mar, o francamerte no mecible, como las Infinta estrellas del universe, a Una muestra puede ser grande o pequefia, en funcion ————— del nimera de elementos que contenga. Convencional- a mente se dice que una muestraes grande sitiene 30 0 més clmeninunqucalgues aioe nese vaeren 28° | Mossa ——| | Leet Muestreo. Mientras se obtiene una muestra (proceso conocido como ive imuestreo) is muesta podria destnnnes gor sion a pees determina ia camidad de juso sue prods ton na ‘mientras que en el segundo caso no To es, a: MuestreoTTT AATTNTmN = Furdamentos matemsticos 37 -Q-OO™ EI muestreo puede realizarse con remplazo o sin seleccionarse, Si hay remplazo el elemento seleccionado se Claes analiza y se regresa a la poblacién, por lo que puede seleccionarse nuevamente, simulando asf una poblacién infini- ‘a, En el muestreo sin remplazo el elemento seleccionado ‘ho se regresa a Ta poblacién de donde se tomé. Esta dife- eee rencia puede ser muy importante al analizar la distribucién de probabilidad de la muestra, Muestreo Estimaci6n El concepto de muestreo esté estrechamente ligado al de estimaci6n, el cual consiste en determinar la haturaleza de una poblacién con base en los datos que se obtengan de una muestra, aunque tambien se aplica para conocer anticipadamentz el resultado de una muestra si se conocen las caracteristicas de la poblacién de la cual proviene. {a eatimacin de pardimetros poblacionales 0 estat; | J ‘cos muestrales puede hacerse por medio de estimadores puntuales 0 por intervalo. Los primeros consisten en un solo valor, por ejemplo: la media es 4.27 keg, La estimacién por intervalos consiste en identificar los | © perinerto | limites superior e inferior entre los cuales, con un cierto |______ Per intervalo | nivel de confianza, se encuentra el valor verdadero: por ciemplo, la media esté entre 6.5 y 6.3 cm, Esta es la forma més comain y Gti de hacer estimaciones estadisticas | Exaimacion Prueba de hipotesis EI muestreo de una poblacién puede utilizarse para comprobar o negar la validez de alguna hipstesis estadistica La hipotesis es un enunciado relativo a la poblacién que se estudia, por ejemplo: el pro- ‘medio de estaturas es superior a 1.60metros y sera aceptada si los valores estadisticos de ‘ la muestra que se obtenga quedan dentro de un conjunto de valores aceptables, zaleula- to dos con base en cierta tolerancia o margen de error estadistico; de lo contrario, la hipstesis se rechazaré Las pruebas de hipétesis son procedimien- 0 F tos que permiten aceptar o rechazar hipotesis. “50 con base en los resultados abtenidos por muestreo, 0 Andlisis de tendencias “ Por medio de la observacién continua de los f ! fenémenos (naturales 0 provocados’, ta ht ‘ ce ae manidad ha adquirido a mayor parte del conocimiento que posee. Cuando se analiza. por FerlzateO-O-O— 38 Probabilidady estaistea § P@Pa@$am$u\ M$ oa ejemplo, la relacién entre un tipo de alimentacién y la ausencia de ciertas enfermedades, puede dedu- cirse una formula matematica que permits pronosticar los efectos de otros tipos de alimentos, Aunque existen muchas limitaciones pricticas para la obtencién y uso de formulas que presenten todas tas situaciones de la vida, el anilisis de tendencias ayuda a conocer y, sobre todo, a pronosticar el comportamiento de una variable respecto de otra El andlisis de regresién permite obtener una formula matemética que exprese la relacién entre dos o ‘més variables, mientras que el andlisis de correlacién obtiene un indice que muestra el grado de vela- cidn entre dos o mas variables.Q, ° 0°° Distribuciones de 0° frecuencias Frecuencia 5 8585 99BS TOG 1905 1DeBS 13085—O-C-O- 40 Probabilidad y estaistica 9 Distribuciones de frecuencias La capacidad humana para comprender al mismo tiempo grandes cantidades de datos es muy limitada: Por otra parte, la mayorfa de los andlisis estadisticos incluyen un gran nimero de datos, los cuales se ‘a casi imposible utilizar si no se les compactara mediante un sencillo procedimiento conocido como Tabla de Distribueién de Frecuenci Una distribucién de frecuencia es una tabla que presenta el ntimero de elementos que pertenecen @ cada una de las clases 0 categorias en las que se haya dividido para su estudio un srupo de datos. Las distribuciones de frecuencias son la forma més comin de organizar un gran ntimero de datos, por ejemplo, las calificaciones de los a.umnos de primer semestre, y a partir de ellas lograr conclusio. hes que no eran visibles originalmente, por ejemplo, la concentracién de calificaciones en sus niveles bajo, medio y alto; incluso permiten definir lineas de decisin, como los precios al mayorco de cierto articulo, Jas tarifas de agua potable para una ciudad, o las tablas del impuesto sobre la renta Conceptos basicos Los conceptos fundamentales de una distribucién de frecuencias son: el mimero de clases o catevort en que se agruparén los datos; el intervalo 0 ancho nominal de clase, detimitado por los valores mini ‘mo y maximo aceptables en cada clase, y la frecuencia o mimera de elementos de cada clase | Frecuenci A Enero 1.1998 || —_Diciembre 31. 1998 415 | Otros conceptos detivados de una distribucidn de frecuencias son: los limites exactos: las marcas de clase o valores centrales de cada intervalo; las frecuencias relativas y las frecuencias acumuladas y ‘complementarias, los cuales se presentan también en este capitulo. Intervalos uniformes, desiguales 0 abiertos A pesar de que en la mayoria de los casos ef ancho de clase es uniforme, como se ve en la figura ante- Flot. en ocasiones el ancho de clase debe ser desigual o incluso abierto (sin mite) en uno o dos extre- ‘mos. Considere los siguientes ejemplos i Limite Limite | Limite I inferior su] | inferior superior | ete Clase laiios) i Clase (kg) og) Bebes 0 1 Lio | s | Nios 2 2 | stein 4 0 | Adcescemes | 16 |) peso a | | dejene: | | | May pesedo | 81 Ancianos |Disteibuciones de frecuencias. 41 Q-O-+G— El intervalo, conocido también como rango, amplitud 0 ancho de clase, puede determinarse como la diferencia entre el limite inferior de la clase siguiente y el limite inferior de la clase, También puede determinarse como la diferencia ente el limite superior y el inferior de cada clase, més la unidad de variacion de los datos. Un concepto muy importante en este punto es el de unidad de variacién, Por él debe entenderse la minima diferencia que puede presen:arse entre dos datos del conjunto que se analiza, Por ejemplo, si los datos son las estaturas en metros y centimetros de un grupo de personas, la minima diferencia entre ellas sera un centimetro. En este ejemplo la unidad de variacién seré 0.01 metros La unidad de variacién en el case de datos que representen el peso en kilogramos de un grupo de personas serd 1 kg, suponiendo que el peso se acepta sélo en kilogramos enteros, sin fracciones. Si los datos se recopilan en maltiplos de alguna medida, por ejemplo, $50.00, 100 m? 0 10 km, fa n (en este ejemplo: $50.00, minima diferencia entre dos datos se 100 m? 0 10 km). i-en cada caso, la unidad de vari Ejercicio 2.1 Determine el intervalo de cadla una de las clases de las siguientes tablas: Tabla Tabla B Tabla C Limite | | Limite | Limite Limite superior inferior | superior inferior | superior (S) | | Clase | (metros) | (metros)| [Clase | (aos) | (aiios) 1150 7 | 065 | 085 elas 39 1300 k | 086 | 095 x | © | w | v0 || | ose } zo || ry |e ws |i roo | | aw | 12y iso | 2 | | = Solucion: * El intervalo de cada clase pueie cafeularse asi TIntervalo de _ Limite inferior de Limite inferior la clase ~ laclase siguiente ~ dela clase Non El limite inferior de la clase siguiente a la tltima, es el Ifmite superior de la ultima clase, mas la diferencia entre el limite inferior de Ia tltima clase y el limite superior de la pendiltima clase. $ ‘metros (m) aos A 1010-1150 J 065-085 Wo 4s-s0 B 1160-1300 K 086-095 X 60-71 1310-1450 L 096-120 Yo 72-83 D M 121- 1.50. Z 84 fs infO-C-O— 42 Probabiidad y estadistiew § AP$AP$ApP$ApAapa$p a £ * Tabla A (Intervalos uniformes) Ss os § Intervato de la clase A= 1160-1010 = 150 Intervato de la clase B= 1310 - 1160 = 150 : Intervalo de la clase C = 1460 ~ 1310 = 150 Intervalo de la clase D = 1610 1460 = 150 Tabla B (Intervalos desiguales) m om om Intervato de la clase} = 0,86 ~ 0,65 = 0.21 Intervato de la clase K = 0,96 — 0.86 = 0.10 Intervalo de la clase L = 1.21 ~0,96 = 0.25 Intervalo de la clase M = 1.51 ~ 1,21 = 0.30 Tabla C (Intervalos abiertos, infecior y/o superior) alos afios afios Intervalo de la clase W = 60 ~ 48 = 12 Intervalo de la clase X = 72 ~ 0 = 12 Intervalo de la clase Y = 84 = 72 = 12 Intervalo de la clase Z. = infinito~ 84 = infinito Noms: El limite superior de la clase Z incluye todos los miimeros del 84 en adelante, es decir, hasta infinito, por lo que el intervalo de esa clase es in| PSabIAS qe... Jos huracanes se clasifican, de acuerdo con la escala de Saffir/Simpson, ccon base en la intensidad de sus vientos? Categoria | Vientos, en kilémetros por hora Une [De tiga iss Dos [De 1540177 Tres De 1784209 Cuatro De 210249 Cinco [__ De mas de 350 uene: Secretaria del Medio Ambime y Recursos Naturales, ‘wow semarat gob nx Determinaci6n de frecuencias de datos fuente Antes que nada, es necesario tener Jos datos necesarios para el andlisis. Estos se pueden obtener de di- versas maneras. las més comunes son la recopilacidn de todos ios datos del grupo o poblacin en estu- «dio (por ejemplo. las estaturas de todos los estudiantes de una escuela), y la obtencién de una muestra para extraer de ella conclusiones sobre ta poblacidn de donde proviene. Si se opla por una muestra, és ta debe disefarse y realizarse concienzudamente, de tal manera que cumpla con Jo que se espera deDistribuciones de frecuencias. 43 —O-~Q+O— ella: que represente @ la poblacién de donde proviene. Un método de muestreo puede ser por seleccién de mimeros aleatorios, como los que se muestran en la tabla correspondiente en los anexos, Recopilacién de datos: Una persona caminaba por la banqueta junto al patio de un manicomio y ofa cantar: ocho, ocho, ocho... Curiosa por ver lo que sucedia se acercé a tun agujero en la pared. Al mismo tiempo que sentia un piquete en el ojo ofa cantar: nueve, nueve, nueve... Los datos para una distribucién de fre ;Quiénes y cusintos somos en el directorio telefé cuencias pueden opcionalmente, orde- ico? meno) Al uecrenTesstanmmacrac, | APetido | Tatoos | Parente Gisteacimensiesensetinc) | Giron | a9 | at seeeteetec igarpmem | nmin ase | en ocasiones, el nico tratamiento gue de. | Flores fe 12560 ua fesiecncyacproleiiaaiciccs | Gan re es Geocnismeiioaiiceien | oe ae aa Son anny at coe ee ao Lopez 21780. 1.93, Rodriguez 20940 1.85 eae a a10 | Otros 882780 78.09 | Total 1130500, 100.00 1 costo y el valor de la informacion Costo de - “f & Datos agrupados en clases ‘manejo de los “st < Datos ordenados de menor a mayor datos “of & Datos originales - Nivel de informacién directa que ofrecen los datos Una consideracién muy importante es el mimero de clases 0 categorias en los que se debe agrupar los datos. Cuando éstos son de naturaleza cuatitativa, por ejemplo. la presentacidn de una persona (puede ser excelente, muy buena, buena, regular o deficiente) o la edad de uns persona (puede ser be- be nifio, adolescente, joven. adulto 0 anciano, aunque también podria ser nino. joven o adulto) el ni- ‘mero de clases queda definido por fa naturaleza de los datos que se analizan y por el detalle que se desea de éstos.O-C-O~ 44 Probabilidad y estadistica Silos datos que se analizan son numéricos, el mimero de clases més comiin esté entre 5 y 9, aunque puede ser menor, o tan grande como las c:cunstancias lo exijan. En caso de que se desconozca, el ntimero de clases puede determinarse, por ejemplo, en funcién de la raiz cuadrada del niimero de datos (Niimeros de clases = \VNiimero de datos). Bsta formula es conveniente si el niimero de datos es menor gue 100 0 2010. A partir de ese ntimero de datos, el nimero de clases resulta muy alto, por lo que podria utiizarse otra f6rmula, por ejemplo, la raiz cubica del nime- 10 de datos, o bien, determinarlo en funcisn del detalle que se desee. Si se ha decidido que el ancho de cade clase sea uniforme, éste deberé caleularse, dividiendo la diferencia entre el valor mayor y el valor menor de los datos entre el niimero de clases deseado, Pasos para la elaboraciin de tablas de distribucion de frecuencias * Recopitacién de datos. * Clasificacién de los datos de menor a mayor (apcional) ‘+ Especificacidn del mimero de clases. | = Caloulo del tamafio exacto del ancho de clase. + Determinacién del tamafio ajustado del ancho de clase, | * Identificacién de los Ifmites de clase. + Conteo de los datos. Si el ancho calculado resulta ser un miitiplo exacto de la unidad de variacin, por ejemplo 811. 1 ancho ajustado deberé ser por lo menos una unidad de variaciGn mayor que el ancho caleulado, en este ca- 0, 812. De no hacerlo as, el 0 los valores mas grandes no cabrian dentro de ls limites que resultaran El siguiente paso en a elaboracién de una tabla de distribucién de frecuencias es ajusta el tamaiio cealeulado del ancho de clase. Esto se losra aumentando el ancho de clase caleulado por lo menos a la siguiente unidad de variacién: por ejemplo, si ef ancho calculado de un grupo de datos cuya unidad de ‘ariacign es 1 resulta ser 193.4, el ancho ajustado debe ser por lo menos 194, aunque también podria ser 195 0 incluso 200. Curiosidades mateméticas: Verifique que, al clasificar los siguientes datos en 9 clases, si éstos son de 0.05 de ancho, el dato mas grande quedaré fuera de los limites, siel aancho de clase es de 0.06 y el primer limite inferior es 1.47, la Glfima clase quedaré vacio. Datos: 1,78, 1.62, 1.85, 1.92, 1.61, 1.89, 1.52, 1.59, 1.49, 1.69, 1.76, 1.81, 1.83, 1.47, 1.73, 1.49, 1.64, 1.52, 1.907 1.73, La estructura de una tabla de distribucign de frecuencias queda definida por los limites inferior y superior de cada clase (estos limites se conocen también como limites nominales). El primer limite inferior puede ser el valor més pequefio de los datos (de la misma manera que el ‘timo limite superior podrfa ser el valor mas grande de los datos). El primer limite superior es elimi te inferior més ancho de clase menos tna unidad de variacién. Los limites inferior y superior de las Rae Lint informs acho ] | Eee de clase menos unidad de | 500 609) _Lxatiacién, | | 700 399 | Cada uno de estos valores bide oo | i399 dnc cts | tam |_| aDistribuciones de frecuencias. 45 ~Q-Q+O— En todos los casos debe comprobarse que la diferencia entre los limites superior e inferior de cada clase es igual al ancho de clase menos una unidad de variacién (LS — LI = Ancko ~ UV). Como el ancho de clase multiplicado por el nimero de clases es mayor que la diferencia entre el valor mayor y el menor de los datos, se puede distribuir la diferencia en uno w otto extremo de la tabla, ‘en ambos. Esto se presenta grificamente a continuacién. [Vator Valor | menor mayor | * ° el er ee en el valor menor. Limite inferior La ultima clase termina en +—t+— el valor mayor. Limite ite inferior superior Los extremos estan inelui- +++ + + FH eos en tos tiites Limite Limite inferior superior El Gltimo paso de este proceso consiste en determinar Ia frecuencia de la clase, esto es, determinar mediante conteo, el niimero de elementos incluids en cada clase. Ejercicio 2.2 Los siguientes valores corresponden a la produccién mensual, en toneladas, de una empa- cadora de plitanos. Clasifique estos datos en clases de tamaho uniforme: 782, 1333, 515, 1475, £696, 832, 1052. 700, 987, 542, 1296, 704, 814, 1482, 1023, 739, 643, 956, 1023 y 784. Datos originales: Datos ordenados: 1475. 696, 542. 643,696,700, | 987 542, 739,782,784. 814, 1482, 1023, 956, 987.1023. 1023. 1023, 784, 1296, 1333, 1475.__1482. * Determinacion del mimero de clases: himevo de datos = 30 = Nuimero de clases0-0-0 46 Probabildad y estadistica * Tamano del intervalo o ancho de clase: Valor mayor ~ Valor menor Miimero de clases Intervalo exacto En este ejemplo, la unidad de variacidr de los datos es 1, por lo que el tamatio ajustado © ancho de clase debe ser por lo menos igual a la siguiente unidad de variacion después de 193.4, es decir, por lo menos 194, mientras que el limite inferior de la primera clase sera 515, aunque éste podria ser un valor menor. * Determinacién de los limites de clase: Limite inferior _ Limite inferior de Tamaito det dela clase ~ laclase amerior + intervalo 3 Limite inferior de la clase B= 515 +194 = 709 Limite inferior de la clase C = 709 +194 = 903 Limite inferior de la clase D= 903 +194 = 1097 Limite inferior de la clase E=1097 +194 = 1291 Linite superior _ Limite inferior Unidad de delaciase = delactase * Meo ~ sariacion Limite superior de ta clase 8 Limite superior de la clase B Limite superior de ta clase C = Limite superior de la clase D Limite superior de ta clase E 515 4194-1 709 +194—1 903 + 194-1 = 097 +194 — 1 291 +194 = 1 La tabla siguiente muestra los limites de eada clase, asf como el conteo de los datas, | inferior | Limite superior Frecuencia i Lome | Mtonetadas) |“ toneladas) (meses) Pia | oss | ae min | 6 \oB 19 | 02 nut 5 |e | 03 106s ei 5 er) 1007 } 1290 0 A Wy [se un 4Distribuciones de frecuencias 47 —Q-O-Q— Valores xX XK XK XXX Xx xx Clases At tt Limites 515 708 709 902-903-1096 10971290 1291144. + Soluciones alternativas: Considerando cinco clases con intervalo uniforme de 200. y que éstas deben incluir todos los valores, puede seleccionarse a 500 como limite inferior de la primera clase, y a partir de este Iimi- te identificar los demas. Limite inferior __ Limite inferior de Tamaio det dela clase ~ laclaseanterior * intervato } Limite inferior de ta clase B= 500 + 200 = 700 i £ Limite inferior de ta clase C= 700 + 200 = 900 : Limite inferior de la clase D = 900 + 200 = 1100 Limite inferior de la clase E= 1100 + 200 = 1300 Limite superior _ Limit inferior Unidad de i delactase ~ delaclase * Mer“ ~ yariacién | ! Limite superior de la clase A= 500+ 200-1= 699 i 700+ 200-1= 899 1099) 1299 1499 Limite superior de la clase B Limite superior de la clase C= 900+ 200-1 Limite superior de la clase D = 1100+ 200-1 Limite superior de la clase E = 1300+ 200-1 ites de cada clase, asi como el conteo de los datos, La tabla siguiente muestra los |i Limite inferior | Limite supe Frecuencia Clase | (toneladas) (toneladas) rmeses) A 500 699 mt a | ; 8 700 wo fom | 7 | ic 900 1099 mnt 5 | o 1100 1299 1 ia E 1300 1499 i 3 E Valores xX XX RA AKRK |XX RK xx x Chest tt Limites 500 699 700-899 900-1099 1100, 12991300, 1499OOS 50 Probabitidad y estate $$$ Si cl limite inferior de la primera clase hubiera sido $400.00, la tabla resultante hubiera sido la siguieme: Limite inferior | Limite superior o Frecuencia Fa 7 sao000 $5600.00 mM 5 8 $650.00 $850.00 unin} c $900.00 $1100.00 nui 6 D $1150.00 $1350.00 u 2 Eg $1400.00 $1600.00 mt 3 Valores x XX xRK x XNKK. nxRK Clases Limites 400 60) 650 850-900-1100 115013501400 1600 Observe qu lt frecuencia (nimero de elementos en cada clase) ha variado ligeramente, debide {la modificacion de fos limites de ci 2.4 Clasifique tos siguientes valores (expresado en m) en cinco clases de tamaho uniforme 182, 1.43, 1.51, 1.47, 1.69, 1.88, 1.52, 1.72, 1.78, 1.54, 1,61, 1.66, 1.70. 181. 138. LAB, 1.53, 1.73, 1.61, 1.56, 1.57 y 1.78, Solucion: jm | (my | W820 1as a er ee 16188 stan ws ase se | 178 134161 1.66 137 158 1.61 161 4 ; RO st 158 hag 166 169.0. oe Ls? 1.78 JL bse ge ae ae Valor mayor ~ Valor menor Mamero de clases Imervalo exacto = 1.88 ~ 1.43 6.09 mDistribuciones de frecuencias 51 ~Q-~Q-+O~ * Determinacién de los limites de clase, Considerando cinco clases con intervalo uniforme de 0.10 m, y que éstas deben incluir todos los valores, puede seleccionarse 1.40 m como limite inferior de la primera clase, y a partir de éste los demas limites: Limite inferior __ Limite inferior de , Tamaito del dela clase ~ ta clase anterior * imervaio Limite inferior de la clase B= 1.40 m+ 0.10 m= 1,50 m Limite inferior de la clase C= 1.50 m+ 0.10 m= 1,60 m Limite inferior de la clase D= 1.60 m +0.10 m= 1.70 m Limite inferior de la clase E = 1.70 m+ 0.10 m= 1.80 m Observe que todos los dalos son miltiplos de 0.01 m, por lo que Ia separacién entre el mite superior de una clase y el limite inferior de la clase siguiente, es decir, la unidad de riacién, es de 0.01 m. Limite superior _ Limite inferior . Unidad de detactase ~ deiaclase * ™™ ~ variacién Limite superior de la clase A= 1.40 m-+0.10 m- 0.01 m= 1.49 m Limite superior de la clase B= 1.50 m + 0.10 m~0.01 m= 1.59 m Limite superior de la clase C= 1.60 m + 0.10 m~0.01 m= 1.69 m Limite superior deta clase B = 1.70 m+ 0.10 m~ 0.01 m= 1.79 m Limite superior deta clase E= 1.80 m + 0.10m~0.01 m= 1.89 m La tabla siguiente muestra los Ifmites de cada clase, asi como el conteo de los datos Limite inferior | Limite superior Clase (m) ™ Frecuencia a 140 149 m 3 B 150 159 uni} 7 a 1.60 1.69 un 4 D 170 179 un 5 E 1.80 189 ml 3 Valores XK OK KKK Chases | $4 Limites 1.40 149 1.50 159 1.60 169 1.70 1.79 1.80 1.89 © Si el limite inferior de la primera clase hubiera sido 1.41 m, la tabla resultante hubiera sido Ta siguiente: Limite inferior | Limite superior Clase im) am) Frecuencia | A Lal 150 im 3 B rt | ao ota | E c 161 170 Wut 5 i D re 180 uy 4 i Hea Lat | 1.90 i 3 | 1a Observe que la frecuencia (niimero de elementos en cada clase) ha variado Tigeramente, debido a la modificacidn de los limites de clase.O-O-C— 52 Probabilidad y estadistica ESabIAS Que... el andlisis de datos permite idemtificar algunas caracteristicas de ést0s, Jo que ayuda al proceso de toma de decisiones? Por ejemplo, los datos de la siguiente tabla podrian indicar a qué grupos de edad ofrecer otros servicios, 0 incentivos para reducir el niimero de socios ‘morasos Anillisis de datos de los socios del Club Deportivo Roca: | Rango de edad, | Namero de | Socios Visitas en aflos socios | puntuales | por semana | Menos de 18 27 15, 26 De 25035 162 140 29 | De 36.055 us 108, 12 | De més de 55 68 65 18 Limites exactos y marcas de clase Los limites nominales de una clase indican los valores minimo y méximo aceptables en esa clase. por ejemplo, | i aso | 1875 prs | ams 2.7 Della siguiente tabla de limites de clase, determine los limites exactos y Ia marca de cada clase. — Limite superior de ta clase Nota: El limite inferior de la clase siguiente a la dhtima, es el limite superior de ta dltima a dltima clase y el limite supeDistribuciones de frecuencias 59 ~O-O-O— 45.00 - 6.99 B7.00-8.99 €9.00- 10.99 D 11.00 - 12.99 Ao=| TS mS BAS Ha85 smsDistribuciones de frecuencias. 67 ~O-O-O— Graficas de barras de dos variables Una variante de los histogramas scn las grificas de barras de dos variables. En ellas se grafican los valores de dos variables para presentar grficamente el comportamiento de una de ellas respecto a la otra, y obtener asf conclusiones inmediatas, que no son evidentes o faciles de identific originales. Para elaborar una grfica de este tipo, deben seleccionarse en uno de los ejes (por ejemplo, el vertical) las dos variables que se desea analizar (por ejemplo, el grosor y la resistencia de una viga) y en el otro eje se graficard la variable que las relaciona (por ejemplo, los diferentes proveedores de las viges analizadas). Enseguida deberd seleceionar uns escala adecuada para una de las variables. y la escala equivalente pata la otra variable, de tal manera que la primera pareja de barras tenga el mismo tamaio. A continuacién deberd calcular el tamaiio de las barras restantes y graficarla. en los datos Ejercicio 2.13 La siguiente tabla presenta el agimero de unidades producidas y e! monto de costos indirectos. Elabore una grifica de barras para presentar esta informacién. |Mes | Enero | Febrero | Marzo | Abril I Unidades | 635 785 695 Sasa a _=_=shCl LLL l Solucién: + El primer paso consiste en seleccionar los ejes: el horizontal podria ser para los meses y el vertical tanto para las unidades de produccidn como para los costos, En este caso podria seleccio- nnarse una escala de | centime:ro por cada 100 unidades producidas, por lo que 635 unidades } 2 serfan: 6 de: 100 unidades por centimetre El eje de los costos debe tener, en este caso, 6.35 centimetres para representar los costs del mes de enero, por lo que Ia escala de costos serfa: $10.2 _ . centimetros ~ 91-6062 por cent + Las barras que representan los costos indirectos deben tener el tamafio que se caleula a conti- } Coo indirecto Tamaio de ta bara = oe OTe Taman de (a ba Escaia equivalence—C-O-C— 68 Probabilida y estate § a $0.2 [ Tamato de ta barra de enero 9202 — = 635 em Tamaiio de la bai = 7.16, rama dela barra de febrero =e — = 7.16. em Tamato deta barra de marco = SS — — 6.72 ramato dela barra de marco = SeS— = 6.72 6m . sina | Tamato deta barra de abil = Ses — = 6.47 em ee Few Mine ain * Ahora puede observar cul de las dos variables tuvo un mayor crecimiento respecto a la otra. or ejemplo, en febrero fa producciin fue mayor respecto a enero que los costos. Graficacién de frecuencias acumuladas as frecuencias acumuladas son parte importante de una tabla de distribucién de frecuencias, pues presentan las stumas parciales de todas las frecuencias y de esta forma permiten comtestar directamente preguntas tales como: ccusintos elementos de la poblacién o muestra en estudio tienen menos de (o més de) cierto nivel de ta variable que se analiza? 0 ,qué porcentaje de la frecuencia total comesponde a Ios aque tienen menos de (o mis de) cierta eantidad? Ademis de fa informacin directa que ofrecen las frecuencias acumladas de una tabla, fas erdficas que se generan con ellas facifitan la comprensidn de la informacion que contienen y, cuando se elabo- san cuidaclosantente. permiten obtener valores numéricos no visibles en la tabla de distribucign de freee istrtbuciones de frectencias: 69 ~O-O-O— La frecuencia acumulada define los puntos de la grafica u ojiva ascendente. A ésta se le conoce tam- bién como “ojiva menos que”. porque sus puntos contestan las preguntas del tipo cudntos elementos de la poblacién o muestra en estudio tienen menos de cierto nivel de la variable que se analiza? o qué porcentaje de la frecuencia total corresponde a los que tienen menos de cierta cantidud? La frecuencia complementaria indica el complemento 0 lo que le falta a la frecuencia acumulada, y define los puntos de la gréfica u ojiva descendente, A esta grfica se le ama también “ojiva mas que’ La frecuencia acumulada de una clase se calcula sumando la frecuencia de esa clase con la frecuencia acumulada de Ia clase anterior (a frecuencia acumulada de la primera clase es la frecuencia de esa clase, y la frecuencia acumulada de la tiltima clase es el total de frecuencias) La frecuencia complementaria de una clase se calcula restando la frecuencia acumulada de Ta clase ‘ala frecuencia total (la frecuencia complementaria de la itima clase es cero, y para cada clase, la su- rma de la frecuencia acumulada y la frecuencia complementaria es igual al total de frecuencias de la tabla). Las frecuencias acumuladas también pueden calcularse siguiendo el procedimiento grifico que se presenta ahora: Frecuencia Frecuencia | Clase Frecuencia acumulada Clase Frecuencia —_—_complementaria | A fa ————> fa A Ja feb + fb = | Loe | B fp fis faa B foe fee + fe + | a j ¢ fee hes fab ; ¢ fe fed + fa | | a - - Dd fhe fie fac D fie ke ms a | E fe Zo» fe fad E fea 0 En todos los casos anteriores: | fe | “fax = Frecuencia acurmlada de la case » Frecuencia simple de la clase x {fox = Frecuencia complementaria de la clase x Para graficar la ojiva “menos que” se utlizan los limites superiores exactos de cada clase y el valor de la frecuencia acumulada. También deben incluirse en la grifica el imite inferior exacto de la primera clase, con un valor de cero fara la frecuencia acumulada, Para graficar la ojiva “més que” se Uti- Tizardn los limites superiores exacios de cada clase y el valor de la frecuencia complementaria. Tambign debe incluirse en la srafica el limite inferior exacto de la primera clase, con un valor igual al total de frecuencias para la frecuencia acumulada. Tes importante seRalar que el sitimo valor de una frecuencia acumulada es la frecuencia total (0 14) 100% os frecuencia relativa), El ultimo valor de la frecuencia complementaria es siempre cero Lt uma de ta frecuencia acemulada y la frecuencia complementaria de cada clase es siempre fa frecuencia total (0 1.00 100%, si es frecuencia relative).O-O-C— 70 Probabilidad ested. AA@$Ap@PtJT@T Ejercicio 2.14 De la siguiente tabla de frecuencias absolutas, determine y arafique la frecuencia acumutada y 1a complementaria: [ Limite | Limite | Limite Limite a Clase jinferior | superior |inferior exacto | superior exacto | Marea [Frecuencia |! : a | 4 39 395 | 505 495 | 385 i B | 6 7 595 795 695 | 22 4 : c 80 99, 795 99.5 895 | 475 4 bd | 10 | 19 995 119.5 129 i Bm |e nes | 1395 95} 48 icion: Frecuencia acumulada (ojiva “menos que”) Frecuencia Frecuencia acumulada | acumulada de = delaclase + Frecuencia de ta clase | taclase anterior | ee eee | Frecuencia acumulada de Frecuencia de la primera = clase | ee la primera clase 385 385 +292 = 677 677 +475 = 1182 1152 + 129 = 1281 1281 + 48 = 1529, Frecuencia acumulada de la clase A Frecuencia acumulada de la clase B Frecuencia acumulada de la clase C Frecuencia acumulada de la clase D Frecuencia acumutada de la clase E + Frecuencia complementaria (ojiva “més que”) Frecuencia Frecuencia Frecuencia | complementa. = ronal ~— acumuslada de | ria de la clase la claseFrecuencia complementaria ae la clase A = 1329 ~ 385 329 ~ 667 = 652 Frecuencia complementaria ae la clase B Frecuencia complementaria ae la clase C = 1329 — 1152 = 177 48 0 Frecuencia complementaria de la clase D = 1329 — 1281 329 — 1324 Frecuencia complementaria de la clase B= + Elcailculo anterior puede también realizarse en la forma siguiente: + La grafica siguiemte muestra Ja frecuencia acumulada (ojiva “menos qu ria (ojiva “mas que”), al Frecuencia Frecuencia | Clase Frecuencia acumulada | Clase Frecuencia complementaria A385 385 A 385 oa 4 yr + a Bom =e 67 B 292 — 62 + | + | Cas es c 475 7 a + D 129 <> 983 D 19, 48 ea 4 + E 48 > 39 E 4—<——"_ 9 + Resultado final La siguiente taba presenta los valores obtenidos: | Limite | Limite | | | inferior | superior Frecuencia | Frecuencia Clase | exacto exacto | Frecuencia | acumulada _ complementaria | 1 A 395 595 385 385 | B 595 5 292 Ga || cH || c 795 vas 475 ie || mt D 9s | 9s 129 rn || 48 Ee | 19s | 9s 48 1329 0 Totales 1329 ) y Ta complementa Distrbuciones de frecuencias. 71 ~Q-O-O—~S-O-C— 72 Probabilidad y estadtstien§ A Observe que el eric de ls curvas define la mediana, concepto que se estudiarden el siguiente i capitulo. i 0 reuenda ~ oe _ ecumulads oo Cy Ee 35 5 8 as Irena Ejercicio 2.18 De ln siguiente tabla de frecuencias relativas, determine Ia frecuencia acumulada y la com: plementaria se | baie] inferior | superior | Frecuencia | 1.70 9.6226 | 180 | o.108Solucion: + Frecuencia acumulada (ojiva “menos que”). Frecuencia Frecuencia acumulada acumuladade | = ates + Frecuencia de la clase | lactase anterior | Frecuencia acumulada de Frecuencia de la primera Ja primera clase clase S| Frecuencia acumulada de la clase A = 0.0216 Frecuencia acumulada de la clase B = 0.0216 + 0.1935 = 0.2151 Frecuencia acumulada de la clase C = 0.2181 + 0.6226 = 0.8377 Frecuencia acumutada de la clase D = 0.8377+ 0.1108 = 0.9485 Frecuencia acumulada de ta clase E = 0.9485 + 0.0515 = 1,0000 Frecuencia complementaria (ojiva “mas que"), Frecuerci Presencin Pewee | Me tr ctase vel la clase —e Frecuencia complementaria deta clase A = 1,000) ~ 0.0216 = 0.9784 7849 Frecuencia complementaria de la clase C= 1.0000 ~ 0.8377 = 0.1623 Frecuencia complementaria de ta clase B= 1,000 ~ 0.9485 = 0.0815 Frecuencia complementaria de la clase E = 1.0000 ~ 1.0000 = 0.0000 Frecuencia complementaria de ta clase B = 1.0000 ~ 0.2151 El cdlculo anterior puede también realizarse en la forma siguiente Frecuencia Frecuencia i Frecuencia relativa Frecuenci relativa +” relativa acumulada | Clase relativa complementaria | | A 9.0216—» 0.0216 A 0.0216 er O78 IE + ot / 352 os 35 7840 | 8 0.1935 x 0.2181 B 0.1935 0.7849 S ae c 0.6226 <—», 0.8377 ¢ 0.6226 < 0.1623 | | 0.1108 > 9.9435 D 0.1108 = 0.0515 <= 1.9900 Eoc 74 Probabilidad y estas § PP APAaAaAaAa + Resultado final La siguiente tabla presenta los valores obtenidos: Limite Frecuencia | Frecuencia | E | superior Frecuencia | —relativa relativa E Clase (metros) | relativa | acumulada | complementaria ad — 120 | 00216 0.0216 0.9784 Be} 1 1.50 0.1935 o21s1 | o.7Ra9 cj 1s 1.70 | 06226 0.8377 0.1623 elas 180 | 0.1108 0.9485 0.0515 e | 18) - 0.0525 1.0000 6.0000 : 1.0000 i 's de pastel o grificas eircvlares son figuras que representan, por medio de segmentos de sirculo, la frecuencia, absoluta o relativa de una tabla de distribucién de frecuencies, La presentacién de datos en esta forma es impresionante, sobre todo cuando se les afaden efectos visuales tales como color y grosor a los segmentos, o se separa alguno de ellos del centro, Estas grificas se preparan con base en el dngulo que resulta de multiplicar 360 (Jos grados de un citculo) por la frecuencia relativa (frecuencia de la clase/oral de. su caleulo es muy sencillo. frecuencias) de cada clase, por lo que Ejercicio 2:16 Prepare una srtica de pastel para los datos agrapados que se muestran en la siguiente tabla |_Clase | Limite inferior | Limite superior | Frecuen eee ieee Pesce emacs 4 | S00 oo foto B 700 809 i D) hoo 1299 1300 1499 | Bevan.Solucion: * Los valores para la grifica se calculan utilizando las siguientes férmulas: / Frecuencia de la clase | Angulo de la clase = 360 + Total de frecuencias } Total de frecuencias = SUMA\2 + 7+ 4 Angulo de ta clase A = 360 (21) = 343° Angulo de ta clase B = 360+ (7/21) = 120,0° Angulo de la clase C = 360 (4/21 Re" Angulo de ta clase D = 360+ (5/21 Angulo de la clase E = 360+ (3/21) + Resultado final—O-O-O- 76 Probabitidad y estadistieg APA Ejercicio 2.17 Elabore una grfica de pasta! para presentar los datos siguientes, relativos al color de tos automéviles vendidos reciextemente por una distribuidora: azul, blanco, verde, azul, ver de, blanco, rojo, verde, blanco, blanco, verde, blanco. Solucion: *+ La clasificacién de los datos produce la respondiente: iente tabla, con Ja que se elabora la grifica co- .0j0 _Amil_| Blanco_| R¢ lee + { Frecuencia de la clase \ Angulo de la clase = 360° i Total de fecuencias ) | Angulo de la clase 360 +(2/12) = 60° = 360+ (5/1 Angulo de la clase Blan 50° gulo de la clase Rojo = 360 «(1/12) = 30° Angulo de la clase Verde = 360+ (4/12) Le ase BancoOtros tipos de graficas df—O-O-C— 78 Probibildad y estadistiea§ Terperetur minima y Volumen de ventas a rinima de enero 2003 se (millones de pese treo ‘Febee azo iVerdad, mentira o ilusién éptica? ] n ocasiones se elaboran con Ja intenci6n de resaltar algén punto, o francamente con el afiin de en gafiar. Juzgue usted las gréficas siguientes, preparadas a partir de los mismos datos pero con esca~ las diferentes. Las graficas estadfsticas deben facili rata asta ene | id ef | | oe | | , esl | | a va 1 a 5 i | vst sl |TTT $$ istttciones te recuencian nO Aplicaciones graficas y numéricas Las gréficas de las frecuencias acumsladas y complementarias ofrecen informacidn no visible originalmente: cualquiera de sus puntos iedia la relaciGn entre un valor del eje horizontal done se mar- an os limites) y su correspondiente valor en el cje vertical (donde se asientan las frecuencia), de ony cramer €s Posible determinar en forma gréfica, con la aproximacidn que permita el dibujo, la freesen, cia que corresponde a un cierto limite, el limite que correspond a una cierta frecuencie Las frecuencias acumulada y complementaria pueden utlizarse también numérieamente para deter. deat on Jorma aproximada la frecuencia que corresponde aun cierto limite, o c Kimite que cor respon- de a una cierta frecuencia, Iogrando asi un mayor beneficio de los datos asentados en la dvsbibucie ie frecuencias Interpretaci6n de las Ojivas {a ojiva “menos que presenta la relacén entre um limite cualquiera y los elementos que tienen menos de ese limite. De manera similar ocurre con la ojiva “mas que” Ejercicio 2-18 Con base en Ia srifica siguiente, determine aproximadamente el nimero de personas gue corresponden a los limites $45.00 y $105.00, 0 Frecuencia aL FrecuenciaC-O-C— 80 Probabilidad y estadstiea§ $$$ Solucion: + Los limites pedidos estin marcados en la siguiente figura, donde se observa también que la frecuencia acumulada para $45.00 es aproximadamente 120, es decir, hay 120 personas que tienen menos de $45.00, Asimismo se puede decir, con base en la frecuencia complementa ria, que hay aproximadamente 1200 personas que tienen mas de $45.00. + Al limite $105.00 corresponde una frecuencia acumulada de aproximadamente 1180, es decir, hay 1180 personas que tienen menos de $105.00. La frecuencia complementaria indica «que hay aproximadamente 140 personas que tienen ms de $105.00 Frecueria complement Frecuencia aunts ae san ssn 850 su sos Intralot) Aplicaci6n numérica de las frecuencias acumuladas La frecuencia acumulada de cada clase sefala cuantos elementos de la distribucién de frecuencias esti incluidos desde el limite inferior de la primera clase hasta el limite superior de la clase. Esto equivale a decir cudntos elementos tienen menos de, o cuando mucho, hasta el limite superior de la clase. La frecuencia complementatia de cada clase indica cusintos elementos tienen mis que el limite su- petior de esa clase, es decir, desde el limite inferior de la clase siguiente hasta el limite superior de la ‘kim clase. E] manejo numérico de las frecuencias acumuladas permite también determinar el ntimero de elemento que se encuentran incluidos en dos o mas clases de la distribucitin de frecuencias.Distribuciones de frecuencias. | ~O-Q-O— Ejercicio 2.19 Suponga que Ia siguiente tcbla representa las estaturas de la poblacién adulta de una regidn. Determine cudntos habitantes: a) mide mds de 1.70 m ) miden 1.50 m 0 menos ) miden entre 1.21 y 1.80. m Vuimite | Limite | Frecuencia [Frecuencia | inferior | superior | Frecuencia | acumulada | complementaria | Clase | (m) (m | (habitantes) | (habitantes) | ¢habitantes) | as jm _{Cabianieo | 0 2 | 2 | 120 jas ws | foe | oan | iso | hast | foc |i | 0 | 20 | D 71 1.80 752 | Le | as - wr | 14596 | o | Solucion: ©) La frecuencia complementaria muestra cudintos habitantes miden mds de 1.70 m. En Ja tabla se observa la respuesta; 2370 habitantes. Esto equivale a sumar la frecuencia de yE. clases D BI La frecuenci icumulada muestra el mimeo de habitantes que miden 1.50 m 0 menos. De Ja tabla se obtiene el resultado: 3139 habitantes, esto es, la stuma de las frecuencias de las, lases A y B. A la frecuencia acumulada hasta 1.80 (13 844) se le puede restar la frecuencia acumulada hhasta antes de 1.21 m (315) y obtener asi el niimero de habitantes que miden entre 1.21 y 1.80 m, es decir, 1.21 m o mas, pero hasta 1.80 mo menos. El resultado es: 13 844 ~ 315 = 13 529 habitantes. Este resultado es equivalente a sumar la frecuencia de las clases B. Cyd. Aplicacién avanzada de las frecuencias acumuladas Frecuentemente es necesurio calcular, al menos en forma aproximada, cudntos elementos estan incluidos en una fraccién de una clase, Esto sucede sobre todo cuando ya no se tienen datos que dieron ori- alatabla, 0 cu limites. lo éstos son demasiados y no resulta prictico clasificarlos de nuevo con otros Cuando el niimero de datos en cada clase es grande, es razonable considerar que éstos se encuen: tran uniformemente distribuidos en todos los valores posibles de cada clase. A partir de este concepto dleterminar, en forma aproximada, el néimero de elementos incluidos entre los nuevos limi- les que se definan, es posiO-O-C— 82 Probiabiidid y 8tadistiea § A$ Ejercicio 2.20 La siguiente tabla muestra la distribucién de sueldos de una empresa. Determine cusintos empleados ganan al menos $595.00. Suponga una distribucién uniforme dentro de cada clase, y que los sueldos se tienen sito en pesos enteros, sin centavos, | Frecuencia | Frecuencia Frecuenci | Limite | Limite | absoluta | acumutada | complementaria Ciase_| inferior | superior | (empleados) | (empleados) | —(empleados) |: 1 | $360.00. | $399.00 258 258 oan i 2 | s40.00 | $439.00 261 sig 1680 : | 3. | saso00 | sa70.00 162 681 1518 4 | $480.00 | $519.00 301 982 1217 s | ss20.00 | $559.06 321 1303 896 ee eed ee ee S 7 | $600.00 | $639.00 208 1852 47 [8 | sei0.00 | ser9.00 | a7 2199 6 Solucion: + ;Cusintos empleados ganan $595.00 0 mas? La figura lo indica 8 Ra ee a MN eS NO Considerando una distribucién uniforme de frecuencias en la sexta clase, el dreu sombreuda en la sexta clase es: | Linite Vay Unidad de : superior ~ “lO” + te variacn : = Frecuencia de ta clase ti Tinie Oniad de * ie | superior ~ inferior * variacinDistrituciones de recuencias 83 0-O-0- + El total de empleados que ganan $595.00 0 mds es: jy = 599 = 595 +I a Ne oo seon1 * (tl) + 208 + 347 13 + 208 + 347 = 508 (La parte proporcional del primer rectngulo sombreado incluye los valores $595.00, $596,00, $597.00, $598.00 y $399.00, de un total de 40 valores diferentes que contiene el intervalo, esto es, los Valores $560.00, $561.00, ... $598.00 y $599.00) + Owra forma de resolver este problema es mediante la férmula Limite uy _ Frecuencia + superior Frecuencia complementaria de lactase * “Timite Limite, * te la clase superior ~ inferior En la que: ‘Nixes el nimero de personas que tienen por lo menos x .xes el valor que se desea, del tipo “al menos x”, UVes la unidad de variacién de datos. En este caso, x = 595: la frecuencia complementaria de la clase es $55, la frecuencia de la clase es 341, el limite superior de ta clase es 599, el limite inferior de la clase es 560 y Ja unidad de variaci6n es 1, por lo que: 95 +1 509 = 560+ 1 +34 598 empleados Ejercicio 2.21 La siguiente tabla muestra le distribucién de sueldos de una empresa, Determine eusntos empleados ganan cuando mucho $542.00, Suponga una distribucién uniforme dentro de ‘cada clase. y que los sueldos se tienen sélo en pesos enteros, sin centavos | Limite | Limite | Frecuencia | Frecuencia | Frecuencia inferior superior | absoluta | acumulada | complementaria [_ctsse |) 6) lempleados) | fempleados) | empleados) 1 | 360.00 | 3990 258 258 1941 2 | 400.00 | 439.0 261 519 1680) | 3 | 440.00 | 479.00 162 68! 1518 480.00 | 519.0 301 982 117 | 520.00 | 559.¢0 321 1303 896 | : 6 | 360.00 | 599.00 MI 164d 555 fi 600,00 | 639.00 | 208 1852 MT | i 8 | 640.00 | 67900 | 347 2199 o~O-C-C— 84 Probabilidad y esta Solucién: ‘+ {Cudntos empleados ganan $542.00 0 menos? La figura lo indica: Sa SM a a ee Considerando una distribucién uniforme de frecuencias en la quinta clase, el érea sombreada en la quinta clase es: Limite Unidad de inferior * variacién Limite Limite Unidad de Valor — + Frecuencia de la clase + El total de empleados que ganan $542.00 0 menos es: Ny = 258 + 261 + 162 + 301 + 55 + 261 + 162 + 301 + 185 = 1167 {La parte proporcional del ultimo recténgulo sombreado incluye 23 valores ($520.00, $521.00, ... $5411.00 y $542.00), de un total de 40 valores diferentes que contiene el interva- Jo, esto es, los valores $526.00, $521.00, ..., $558.00 y $559.00), ] Otra forma de resolver este problems es mediante Ia formula: Frecuencia acumulada — Line superior =y mae + Frecuencia de la clase uv de ta clase superior ~ inferior * En la que: Aves ef mimero de personas que tienen cuando mucho», ves el valor que se desea, del tipo "y 0 menos” UV es la unidad de variacién de los datos,$$ Disttruciomes de frecuencias 85 “0-0-0 eneste caso, y = $42; la frecuencia acumulada de la clase es 1303, la frecuencia de la clase 8 321, el limite superior de la clase es 559, el imite inferior de la clase es 520 y la unidad de variacién es 1, por lo que: 959-542 Ny = 1303 321 » 2232 359 — 520 +1 = 1167 empleados Ejercicio 2.22 La siguiente tabla muestra la distribucién de sueldos de una empresa. Determine cudntos empleados ganan entre $444.00 y $577.00, Suponga una distribucidn uniforme dentro de cada clase, y que los sueldos se tienen slo en pesos enteros, sin centavos. Limite | Limite | Frecuencia | Frecuencia | Freeuen | | inferior | superior | absoluta | acumutada | complement Clase | (8) (8) | (empleados) | (empleados) (empleados) L 7 | j fa 360.00 | 39900 | 258 | 28 | 1941 2 | 400.00 | 439.00 261 si} 1x0 | 3) | 4000 | eron0 ele wien | = cal isis | 4 | 48000 | 51900 301 982 1217 | s | s2000 | ss900 321 1303 496 | 6 | se000 | 59900 341 1044 585 7 | so000 | 63900 | 208 ws | 347 | 8 | sto00 | e900 | a7 2199 | 0 : Solucion: + (Cuantos empleados ganan entre $444.00 y $577.00? La figura lo indica:a El area sombreada de la tercera clase es Limite \aigy 4, Unidad de superior varlaclOn a venclo de tac “Tinite 7 Lisie Undead de” PP*wencia deta clase superior ~ inferior * variacién 419-444 + 479 = 4401 + 162 = 146 empleados EI drea sombreada de la sexta clase es: Valor — bite Unidad de | inferior * variacién ’" Tine Lime Unidad de * Frecuencia de la clase superior ~ inferior * vaviacion + 341 = 153 empleados El total de empleados que ganan entre $444.00 y $577.00 es: ‘Total = 146 + 301 + 321 + 153 = 921 empleados 2.23 La siguiente tabla muestra la distribucién de estaturas de un grupo de estudiantes, Deter= ‘mine cuintos miden 41 poo menos 148 m >) cuando mucho 1.68 m i a | ‘Limite | Limite | Frecuencia | Frecuencia Frecuencia case | Meter | superior | absotuta | acumalada | eomplementaria | [Clase | Gm) (am) | estudiantes) | (estudiantes) | estudiantes : Ft f tao) tas [0 | 2 130 150 21 i 4 1.70 179 179 Polos | iso} ge 123 Pol 6 190 1.99 145 i=aSoddo§{§£§ £ istribuciones de recuencits 87 O+O-O- Solucion: 4) {Cudntos estudiantes miden por lo menos 1.48 m? mos = a Frecuencia eieney Frecuencia Nx = +——_____—__.. * complementaria * “Tinie Lime.) ” de la clase superior inferior L — — _| 1.49 ~ 148 +001 1491.40 + 001 = 997 + 170 = 1031 1) {Custos estudiantes miden cuando mucho 1.68 m? -— = — Frecuencia Limite superior Jy = acumulada _ —_Lintte superior ~ ea ree Limite Limite | L superior ~ inferior = 729 - 169.68 _ | 959 ~ 604 1.69 ~ 1.60 + 0.01 + Verifique que el nimero de estudiantes que miden entre 1.88 y 1.94 m es 97, aproximadamente, Consideraciones adicionales Es mucho mis lo que puede escribirse respecto a las distribuciones de frecuencias. En estas dtimas paginas del capitulo se analiza cémo consolidar dos o més clases, e6mo redefinir limites uilizando las frecuencias unitarias, y la pérdida de exactitud que resulta cuando se manejan las clases de una distribucidn de frecuencias en vez de manejar directamente los datos originales. Consolidaci6n de clases Cuando se elabora una distribucién de frecuencias con un gran niimero de datos. y no se conoce con precision la amplitud de los limites de clase, es conveniente que el nimero de clases sea grande. porque de esa manera se pueden consolidar dos o més clases, conservando la exactitud de los datos originales, sin necesidad de procesarlos nuevamente. Considere el siguiente ejercicio: Ejercicio 2.24 Con base en la siguiente tabla, determine la distribuciGn de frecuencias si los limites fte ‘an 81-90, 91-100 y 101-150,C=C-C= 88 Probably estate APAm$m $A Maa [ Limite | Limite i | Clase | inferior | superior | Frecuencia Po Pa a s 7 Polo ge | 86 90 5 jc | ot 95 ° oO 96 100 4 le 101 no} , oF fou 120 8 6 [am 150 1 Solucion: *+ E] intervalo 81 ~ 90 incluye completamente las dos primeras clases. por lo que sus frecuen- ‘eias deben sumarse para obtener la frecuencia del intervalo, esto es, 7 +5 = 12 * El intervalo 91 — 100 incluye completamente la tercera y cuarta clases. por lo gue su frecuencia es 9 +4 = 13. + El intervalo 101-150 incluye las tltimas tres clases, cuya frecuencia debe sumarse para obtener la frecuencia del intervalo 101-150. es decir, 12 +8 + 7 = 27 Nueva | Limite | Limite | Clases | clase inferior | superior | anteriores | Frecuencia fea 9 | Ays 745-12 g 2 a | wo | cyD 9+4=13 wr | 130 | EFyG | 1248+ Frecuencias unitarias Si desea miodificar los limites de una distribucion de frecuencias sin procesar de nuevo los datos originales. y si fos limites deseados no coinciden exactamente con los de Is distribucion de frecuencias. se puede hacer una distfbucién proporeional de la ¢ las clases que sea necesario afeetar. aplicando el conceplo de frecuencias unitarias. La frecuencia unitaria de una clase es el ndmero de elementos que resulta de dividir ly frecuencia ule la clase entre el ancho exucto de fa clase, para determinar asi el numero de elementos que corr ponden 3 cui unidad det ancho de clase, Este concepto supone la distribueisn uniforme de un eran rimero de lato ase. \ uplica el concepta de proporcionalidad.Distribuciones de frecuencias 89 -O-C-O~ Ejercicio 2.25 Con base en los datos relativos a una gran poblacién se obtuvo fa distribucisin de frecuen- ccias que se muestra enseguida. Es necesario modificar los limites de clase, pero no es posible procesar de nuevo los datos originales. Determine la distribucisn aproximada en intervals de 5 unidades, a partir de 56. | Limite | Limite | Ancho det |_Clase | inferior | superior | intervalo | Frecuen _fuperior | intervalo | Frecuenck A 36 e ee B 6 B u 86075 c " ” 4 | 16136 |b | 8s 8 | 29464 Soluctén: + La frecuencia unitaria esté dada por la siguiente frmula: Frecuencia de clase Frecuencia unitaria = — — i Tniervalo de clase Frecuencia unitaria de la clase A = 29673 _ sorg Esto equivaldria a tener 4229 elementos en cada uno de los 7 tramos en que puede dividirse el intervalo de la clase A Frecuencia unitaria de la clase B = Frecuencia unitaria de la clase C = Frecuencia unitaria de la clase D = soc’ }C-O-O— 90 Prohabilidad y estiistica «+ La figura anterior indica la frecuencia unitaria de cada clase y sus limites originales, y sefiala a forma en la que debe caleularse la frecuencia de Jos nuevos limites; por ejemplo, la primera nueva clase tiene un ancho de 5 unidades, y a cada una de ellas corresponde una fre- ‘cuencia unitaria de 4239, por lo que su frecuencia sera 21 195, mientras que la segunda clase tiene 2 unidades de ancho de la primera clase y 3 de la segunda clase. Las nuevas clases se definirdn de la siguiente forma: [mites | tntervalo Frecuencia “| | ores 5 4220 02 + 782543 = 31953 | 778 5 = 31588 | E | 7680 5 | 403462 + 3683-3 = 19117 | A 81-85 3683 +5 = 18415 Consecuencias de la agrupacién de datos Cuando se aplica el concepto de frecuencias unitarias para redefinir los Kiites de una distribuci6n de fre- ccuencias. en la mayoria de los casos se pierce un poco la exactitud respecto a Tos datos originales, porque distribucién uniforme de los datos en todos los valores posibles de una clase es un supuesto con valor esladislico, pero no se cumple con precis Gn matematica, Esto se jlustra en el siguiente ejemplo: Ejercicio 2.26 Con base en los jentes da‘os: 74, 83, 73, 56, 64, 65, 59. 75, 86. 66. 61, 64, 83,61. 89. 58, 84, 78, 72, 68. 76, 57,58. 85. 87, 68. 80, 82 y 85: 44) Determine la distribucién de free encias utilizando los limites 56-60, 61-75, 76-85 y 86-90. ') Aplique el concepto de frecuencias unitarias para obtener la distribucién aproximada, a partir de 56. en intervalos uniformes de tama 5. £ cy Determine la distibucién de frecuencias utilizando intervalos uniformes de tamano .s par b tirde 56. Sotucion: 2 @) La distribuci6n con los limites seitalados es: Frecuencia’ Hild 5 nna wt 12 finan lo Le | e600 fin ;Distribuciones de frecuencias 9! -O-Q-O— +b) La formola para calcular la frecuencia unitaria es: — Terao de clase Frecuencia wnitaria de la clase A 0 i Frecuencia unitaria de la clase B 0.80 10 Frecuencia unitaria de ta clase C= <> = aria de la clase C = + = 1.00 Frecuencia unitaria de la clase D = + Las nuevas clases se definirdn de la siguiente forma: | Limites [Intervalo | _ Frecuencia : 36-60 | 5 11.005 5 i Fl aa |g (0.8015 4 i PS | (0.8095 4 Fl ‘| 71-75 5s | 805 4 | 7680) 5 | (1.0095 s i eles) eet |e 03 5 i 86.90) 5 (0.60)5 : ©) La distribucién de frecuencias con los limites del inciso ca partir de los datos originales: Limites Frecuencia nut mnt am un niu nl 5 5 3 nn 4 4 6 3 Observe la diferencia que existe entre los resultados del inciso b y 10s del inciso ¢ por lo que se confirma que a partir de los datos originales puede determinarse con exactitud cualquier distribucién de frecuencias, sin embargo. a partir de una distribucion de Jrecuencias s6lo es posible rekacer otros limites con resultados aproximados.OCC 92 Probabitidad y estacistica Ejercicios para resolver en grupo 1. Con base en las cifras del afo anterior, determine cusntos paises exportan a México entre $1000 1 $30000, entre $ 30001 y $5009: y mas de $50000 millones de délares al ato, La informacin puede obtenerse de www-bancomext com 2. Obtenga 15 nombres (sin apellidos) de sus companeros de clase y prepare una tabla de frecuen: cias con limite superior, limite inferior y frecuencia, con base en el niimero de letras de cada nombre. Compare los resultados obienidos por otros compafieros de clase, Ejercicios propuestos 1. Del andlisis de resistencia de 25 bloques de concreto se obtuvieron Jos resultados que se indican. Prepare una distribucién de frecuencias de 4 clases de tamaio uniforme y determine la clase mas abundante. (23,1, 64.9, 48.3, 72.8, 42.9, 37-7, 43.6, 26.4, 68.4, 52.3. 29.4, 704, 62.8, 6004. 58.9. 30.4, 35.1. 58.2, 48.4, 22.7, 26.3, 20.5, 29.8, 68.1, 52.9). 2. En un concurso de salto de longitud se presentaron 30 concursantes quienes obtuvieron las marcas que se presentan enseguida, en centimetros. Clasifique los valores en 5 clases de tamatios uniformes y compare los resultados con eventos de fecha reciente. (671. 946, 912. 876. 690. 489, 734, 567, 754, 612, 564, 765, 845, 723, $94, $12, 835, 501, 934, 751, 791, 672, 795. 855. 745, 74, 765, 499, 718, 913}. La duracién, en horas, de 20 baterfas eléctricas, se muestra enseguida. Prepare una distribucion de frecuencias con 4 clases de tamaiio uniforme. ,Qué tan razonable seria pensar que la dura- ccién de las haterfas es, por lo general. mayor de 125 horas? (145, 105. 190, 155. 75, 90, 135. 110. 120, 185, 120, 165, 150, 160, 175, 140, 155, 175, 125, 170) 4. Determine os limites exactos, las marcas de clase y Ja frecuencia relativa. y grafique el histoy rma de cada una de las siguientes tablas de distribucin de frecuencias: Table 1 inferior | Limite superior Tabla 2 Limite superior 595 687— . Distribuciones ae frecuencios: 93 0-O-O~ Tabla 3 Limite inferior | Limite superior | Frecuencia 90, us 7 120 M5 2» 150 | 15 2 180, 208 2 5, Blabore una grifica de barras de dos variables para presentar la informacién de cada una de las siguientes tablas. Tabla 1 Region [Caribe | Centro | Norte | Sur__| Estatura (m) | 1.62 1.65 170 | 161 Peso tks) | 61 39 6 59 Tabla 2 Gabledeacero | Marcal | Marea2 | Marea3 | Maread | MarcaS | Costo (Sim) 16.40 23.95 21.65 930 J 2uis | |_ Resistencia (hg) 135 182 165 158 169 6. Determine y grafique las frecuencias acumuladas y complementarias de las siguientes tablas de frecuencias Tabla 1 Limite inferior | Limitesuperior | Frecuencia exacto esacto 3765 50.25 3 | 50.25 62.85 | 6285 1545 | 7345 88.05 | Tabla? Limite inferior | superior exacto exacto Frecuencl—O-0-0— 94 Probabilidad y estadistica Tabla 3 Limite inferior | Limite superior | exacto exacto Frecuencia 875 175 7 u7s 1478 20 1475 ims n 1775 2078 | 21 7, Elabore una grfica de paste] para ceda una de las siguientes tablas de distribucin de frecuencias: Tabla 1 Tabla 2 Tabla 3 | Clase | Frecuencia Clase | Frecuencia Clase | Frecuencia | ) 23 pao x "7 B 19 2 19 y Ey 2 3 2 z 2 21 4 2 w a 5 20 8. Con base en los datos de la siguiente tabla correspondientes al peso en gramos de las naranjas cosechadas en una huerta, determine: 4) la frecuencia absoluta de 160 g 2n adelante +) la frecuencia absoluta de 235 g hacia abajo ) la frecuencia absoluta entre 170g y 240 g ] Frecuencia | Frecuencia Frecuen | absoluta | acumulada | complementaria | Clase (naranjas) | (naranjas) (naranjas) i 6245 6245 28789 2 180, 180 7264 13509, 22525, | 3 5) Is 11450 24959 107s [4 F250 | 2008 27882 as bs | | xs sis) 300m 0 | —_!Distribuciones de frecuencias 95 -O-Q-O— 9. Con base en los datos de la siguiente tabla, determine a frecuencia absoluta silos limites fueran de 115 a 180, de 185 a 215 y de 220 a 258 gramos. Limite | Frecuencia superior | absoluta Clase (@) | (naranjas) 1 145 6245 2 150 180 7264 3 185 215 11450 4 200 250 2023 Eat 2o5) 285 8152 10, Con base en los datos de la siguiente tabla, determine la frecuencia absoluta si los I ran de 115 a 155; de 160 a 270 y de 275 a 285 gramos. Limite | Limite | Frecuencia inferior | superior | absoluta Clase |g) e) (naranjas) 1 us 145 2 150 180 | 3 185 2s | 4 220 250 5 2s5 285 11. Un auditor analiz6 las facturas de una empresa y presents los datos en ls siguiente tabla, Deter- mine aproximadamente cusintas facturas se elaboraron: 4} entre $100.00 y $250.00 +b) entre $300.00 y $499.99 Namero de Monto ($) factura Menos de 80.00 7495 De 80,00 a 199.99 4128 De 200.00 2 349.99, 2716 De 350.00 a 499.09 3264 De 500.00 o mas 19;=C-O-C— 96 Probabilidad y estadistica 12. La vida util de una muestra de las Ilantas usadas por una empresa de transporte, expresada en miles de kilomettos es: 62, 53, 46, 51, 58, 47, 47, 54, 50, 48, 61, 48, 56, 48, 45, 52, 60, 52 y 49, Prepare una distribucién de frecuencias de 4 clases iguales, empezando en 45. {Considera que a concentracién de datos en la primera clase indica una vida Util corta, o seria que ka muestra era muy pequefia?”(+) 6 0° [ © Capftuto 3 ° 50° . ° *£2290000000°° | 4900000005, ° Pg 0° 0° ; ; 90° Medidas de tendencia 0? centralC-O-C— 98 Probabilidad y estacstica 9 Medidas de tendencia central Un conjunto de datos puede conocerse auméricamente por medio de algunas medidas que Jo describen; por ejemplo, la media, la desviacisn estindar y otras. De esta manera es posible comparar entre si varios grupos de dates. Existen dos tipos de medidas: las conocidas como de tendencia central (o de posicién) y lus de dispersion (o de variabilidad). Entre las primeras destacan la media o promedio, la mediana y la moda, mientras que las medidas de dispersién més comunes son: el rango, la varianza y la desviaciGn estan dar. Estas y otras mis se estudian en éste y en el siguiente capitulo, Caracteristicas estadisticas de un conjunto de datos { + Media, media aritmética 0 promedio + Mediana + Moda + Promedio ponderado Medidas de tendencia central + Promedio movil + Media geométr + Cuamtiles (cuartiles, deciles y porcentiles)® + Rango o amplitud + Desviacién media + Vorianza + Desviacidn estindar Medidas de dispersién + Coeficiente de variacién + Porcentaje de variacign * Coeficiente de asimetria de Pearson + Momentos + Curiosis: + Puntuaciones estindar Las caracteristicas estadsticas de un conjunto de datos pueden referirse a la totalidad de elementos {0 poblacidn). en cuyo caso se conoven como pardmetros. 0 a una muestra (subconjunto de la pobla im en euyo caso se Jes conoce coma estadisticos. + Parémetros (relativos a la poblacién) cas estadisticas + Estadisticos (relativos a una muestra) L Factores unitarios nel factores unitarios, una especie de rromedio por unidad de medida, permiten compara mismo criterio a dos o mas grupos de datos. Asi. por ejemplo. se tienen los conceptos de produceiin por heerdvea, kilogramos por metro ciibwo. ingreso per capita, etc. Los ejemplos siguientes ilustran el ccileulo y Tain pretacion de algunos Factores unitarios. se refeten a lox cies como medias de dispersal euanies en sem ated de po ice» otros son medidss de dispersicn—.Jo—JH_ Metis ae tendencia central 99 -Q-O-O- {Cuanto pesa... | Un frijo!? Una montaia? Divida un kilogramo (1000 gramos) de frijol Multiptique su volumen aproximado centre el ntimero de granos que lo forman. ‘en metros ciibicas, por el peso promedio de un metro cibico de montafa Ejercicio 3.1 El total de ventas de Ia empresa La Esperanza, 8.A. de C.V. durante el afio 2003 fue de $7629 500.00. Determine e interprete el promedio de Ventas por empleado, considerando que la empresa tiene un total de S214 empleados, Solucién: *+ EI monto de ventas por empleado se obtiene utilizando la siguiente formal I Total de ventas Ventas por empleado = ————————__ | fentas por empleado = OTe empleados 26.229 500.00 521 = 14 620.16 + Puede decirse que cada empleado contribuy con $14 620.16 a los ingresos de la empresa Ejercicio 2 La inversién total en instalaciones de la empresa La Esperanza, $.A, de C.V. es de $181 670000.00. Determine ¢ intesprete e] promedio de inversién por empleado, Solucion: *+ La inversisn por empleado es Iz relacién entre el total invertide y el nlimero de empleados: | Total invertido L 5 — 181.670 000.00 : 5214 = 3484273 Inversion por empleado = FF 7¢ cmpicados Esto significa que fue necesaris una inversion en instalaciones cercana a los $35 000.00 por cada uno de los empleados de-O-C-C— 100 Probabilidad y estadistica GSabIAS QUE... El nimero de lineas teleFOnicas por cada 100 habitantes se conoce ‘como densidad telefénica, y que Is Secretaria de Comunicaciones y Transportes (www-sct gob.mx) Ia mantiene actualizada para cada uno de los estados del pals? El niimero de habitantes por vivienda, asi como muchos otros Factores unitarios se obtienen de los censos de poblacién, cuya informacién esté disponible en el Instituto Nacional de Esta- stica, Geografia e Informatica (wwwinegi.gob.mx)” Ejercicio 3.3 El gasto anual del comedor de ‘2 empresa La Esperanza, $.A, de C.V. es de $5 423 800.00. Determine ¢ interprete el gasto promedio anual por empleado y el equivalente diario. Solucién: El gasto por empleado se calcula de la siguiente forma: Gasto total Gasto anual por empleado Total de empleados _ 5423 800.00 5214 = 1080.24 Gasto anual por empleado jasto diavio por empleado = Gast eam Dias del ao 040.24 365 85 + Puede decirse que la empresa gast6 en alimentacién $2.85 diarios (0 $1040.24 al afto) para cada uno de sus 5214 empleados. Datos individuales Las medidas de tendencia central, asi como las de dispersi6n, pueden calcularse tanto para conjuntos de datos individuales como para una tabla de distribucién de frecuencias. Media, mediana y moda La media. o promedio. es el valor correspondiente a una linea imaginaria que compensa Ios valores que se exceden de la media y los que quedan por debajo de ésta; asi. la media es mayor que el valor rns pequeo. ¥ menor que el valor mas Sunva de valores j | | - | Media = — Siero de valores n ede se pobcional py muestra en este bre uo se enfatiza exe deren,Medidas de tendencia central 101 -Q-O-O— Propiedades de la media aritmética 1. Lasuma de tas desviaciones o diferencias de cada Valor respecto a la media es igual a cero. La suma de los cuadrados de las desviaciones de cada valor respecto a Ia media es un valor Dw,-7 | 3. La media puede utilizarse para determinar el valor total de fa poblacién (Nuimero de elementos) + (Media) = Total de la poblacién 4. La media se afecta sustancialmente hacia arriba o hacia abajo con la presencia de valores extremos (muy grandes o muy pequsfios) respecto a la media | La mediana es el valor del elemento de la posicién central de los datos individuales, ordenados de menor a mayor (0 viceversa), ¥ es el punto que marca la mitad de valores mayores que él y la mitad de valores menores que él, es decir, esd a la mitad, con el 50% de valores a su derecha y el 50% de valores a su izquierda, Para caleular la mediana: + Ordene los datos, de menor a mayor o viceversa. + Calcule Ia posicién de la mediana. mero de elementos 2 2 Posicion de ta mediana = + Determine el elemento de la posic dn central. (Si el némero de datos es par, deberd obtener el promedio del valor de los dos elementos centrales) Observe que cuando el ntimero de datos es impar, la posici6n de la mediana es tinica, mientras que si el mimero de datos es par, la posici6n exacta de la mediana se encuentra entre dos valores. los que. por lo general. se promedian para obtener la mediana, Caracteristicas basicas de la mediana 1. Al valor de la mediana lo afecta e'niimero de datos, no la magnitud de nit 2. Es igualmente probable que cualquier observacién escogida al azar sea mayor o menor que la} mediana 3. Se puede determinar. incluso en distribuciones con intervalos abiertos 4. La suma de los cuadados de las desviaciones respecto a la mediana es un valor minimo. | (X, = Medianay? Minimo | indo ta cuarta propiedad de ka En los casas en que los datos contengan valores extremos. y consi ‘media. es mejor utilizar la mediana en lugar de la media como medida de tendencia centralTOHC-O> 102 Probab estate aaa La moda es el valor més frecuente de un conjunto de datos. En ocasiones se presentan dos © mas valores que se repiten con mayor frecuencia. En este cuso, a los datos se les conoce como bimodales 0 multimodales, respectivamente. La moda es la tinica medida de tendencia central que se puede aplicar a datos de tipo cualitative: or ejemplo. analizar el color de ojos (café, negro, verde, azul) de una poblacién. Ejercicio : 34 Determine Ja media, mediana y moda de los siguientes valores: $20.00, $16.00, $17.00, $16.00 y $21.00, Solucion: + La media puede calcularse empleando la siguiente formula | fl | Suma de valores Media = | ‘Nimero de valores J Mediq = $20.00 + $16.00 + $17.00 + $16.00 + $21.00 _ $90.00 _ ¢4 49 + Mediana Posicién de ta mediana = Niiwero de elementos + 1 Posicién de la mediana = ~ 1) a 3 Los valores ordenados son: $16.00, $16.00, $17.00, $20.00 y $21.00, por lo que el valor del elemento de la posicién 3 es $17.00. + Moda, El valor $16.00 se presenta dos veces y Jos dems s6lo una. por lo que, en este ejemplo, la mada £8 516.00, H a ‘| 0 : 3 7 eaas6 eta wet Tse on wan: + Eneste ejemplo. la media. lu med.ana y [a moda tienen valores diferentes; el nlimero de datos es impar y su distribuci6n es unimodalMedias de tendencia central. 193 -Q~Q-Q— Ejercicio y 35 Determine Ja media, la mediana y la moda de los siguientes valores: $12.00, $15.00, 813.00, $17.00, $15.00, $18.00, $15.00, $13.00 y $17.00, Solucion: + La media puede calcularse mediante la siguiente férmula: Media = —Sumadevatores i= + Mediana | Posicidn de ta mediana Posicidn de la mediana = Los valores ordenados son los siguientes: $12.00, $13.00, $13.00, $15.00. $15.00, $15.00, $17.00, $17.00 y $18.00, por lo que el valor del elemento de la posicion 5 es $15.00, + Moda Del valor $12.00 hay 1 elemento: del valor $13.00, 2: del valor $15.00, 3: del valor $17.00. 2: y del valor $18.00, 1 elemento: por lo tanto, la moda de los datos es $15.00. vos ods se ‘so ss ste ejemplo. la media, Ia me, y su distribucidn es unimodal Jiana y 1a moda tienen el mismo valor: ef niimera de datosOACE= 104 Probab yest A@Pa@a@P@Pa$a$a$ $a Ejercicio 36 Determine la media, la mediana y la moda de los siguientes valores, correspondientes al ni mero de hijos de 15 familias formadas en 1985: 4, 6, 5,5. 3.3.6.4, 3,6, 2,6.6,3y 3. Solucion: *+ La media puede calcularse empleando la siguiente férmula’ __ Suma de vatores Mimero de valores Media Medig = $2625#5+3+3+64443+6+2+6+62343, 15 + Mediana Posciin deta medina = 3+! = g Los valores ordenados son los tes: 3.3,3.4,4. 5.5, 6.6.6.6, 6, por Jo que el valor del elemento de la posicién § es 4 hijos. + Moda Las familias con dos hijos son 1; contre hijo soa 5: con cuatro hijos son 2; con cinco hijos son £ 2y con seis hijos hay 5 familias: por lo tanto, los datos tienen dos modas: 3 y 6 hijo. En este ejemplo, fa media, la mediana y la moda tienen valores diferentes; el mimero de datos es impar y su distribueidn es bimodal Ejercicio 3.7 Determine la media, la mediana y la moda de los si mero de hijos de 14 familias formadas en 1986: 4. 6. 5 iientes valores, correspondientes al mi Solucién: + La media puede calcularse empleando la siguiente férmula: Suma de valores edie = Niimero de valoves edie ool? al Eu) = 4.429 hijosMedidas de tendencia central 105 -Q-Q+O~ + Mediana Posicién de la mediana = —Nimero de elementos + 1 7 2 | 4+ ioe) El valor anterior (7-5) indica que ta mediana estd a la mitad entre los valores dela séptima y la $ ¥ octava posiciones, por lo que la mediana se calcula como el promedio entre el séptimo y el oc- +5) _ tavo valores, es decir, Valores ordenados: 2, 3, 3, 3.3.4.4, + Moda 5,6,6.6,6y6. Las familias con dos hijos son 1; con tes hijos, 4; con cuatro hijos, seis hijos hay 5 familias; por Io tanto, la moda de los datos s 6 hijos. En este ejemplo, la media, la mediana y la moda tienen valores diferentes; el mimero de datos ¢: par y su distribucién es unimodal con cinco hijos yon PSAbIAS QUe.... para determinar cudntos empleados se deben avignar en las venanilas de atencisn al publico se considera el nimero esperado de clientes y el tiempo minimo, maximo y promedio que se requiere para atender a cada uno de ellos? El objetivo es ofrecer un servicio adecuado con un minimo de costo, Promedio ponderado La media o promedio simple es la medida de tendencia central mas utilizada: sin embargo, cuando algunos de los valores por promediar son mas importantes que otros, por ejemplo, al evaluar a un em= pleado, su calificacién en conocimientos, puntualidad, presentacin y otros conceptos tienen una importancia relativa diferente en funcién de quign hace la evaluacién. Tal vez no sea lo mismo un empleaco con 10 en conocimientos, 10 en puntualidad y 7 en presenta: cién (promedio = 9), que otro con 10 en conocimientos, 7 en puntualidad y 10 en presentacién (promedio = 9) Cuando los valores por promediar tienen diferentes grados de importancia entre sf, debe utilizarse el promedio ponderado, el cual aplica un factor de ponderacién (o importancia relativa) a cada uno de los valores que se van a promediar. Ej =jerci Icio 3.8. Al seleccionar a su personal. una empresa considera que los conocimientos tienen una im portancia relativa de 50, la purtualidad vale 30 y la presentacién cuenta 20, Cinco solicita les de empleo obtuvieron las calificaciones que se presentan en la tabla siguiente. Determine cual de ellos obtuvo la mejor calificacién global,—O-C-O- 106 Probabitidad y estas; @@PamImj}ma$} pm Callficacién por | Calificacién por | Calificacién por | Promedio Solicitante | conocimientos puntualidad resentacién simple 1 10 6 a 7.667 [2 : 10 8 8.000 3 8 9 8 8.333 4 9 8 6 7.667 5 7 9 | 10 8.667 Solucion: * La calificacion global de cada solicitante no es el promedio simple, puesto que los concept evaluados tienen diferente importancia entre sf, por lo que se debe aplicar un promedio ponde ‘ido. En este caso, el ntimero de valores es sélo uno (un solicitante con tres calificaciones). aunque también podria obtener un resultado equivalente si considerara el nimero de conceptos evaluados, 3. Verifiquelo, | ‘ ¢ ponderacién | Promedio ponderado = SUA cada valor) (Factor de ponderacion) l Mimero de valores Promedio ponderado Promedio ponderado solicitante | = 1050) + 6130 Se i Promedio ponderado solicitante 2 = 150) + on +820) _ 760, 8150) +930) + 820) _ 1 2450) + 834 Promedio ponderado solicitante 3 620) Promedio ponderado solicitante 4 (50) + 9(30) + 1020) 1 * El solicitante con la mejor calificacién global es el 3 Promedio ponderado solicitame 5 = Ejercicio 39 Determine cui de los tres grupos de alumnos que se indican en la siguiente tabla abtuvo el "ejor promedio de calificaciones, (Considere 10 para MB. & para B. 6 para S y (para NA.)_——_~o Medias de tendencia central 107 0-H MB Na | : Gnpot fia [a | on | oo Grpo2 | 12 | 15 | as | 10 Gmpo3 2 | | 7 fo boo Solucion: + Promedio de calificaciones por grupo: J Jotal de puntos del grupo | Promedio de calificacién por grupo = —Hetal de puntos del Total de alumnos del grupo Total de puntos del grupo 1 4110) + 18) + 11(6) = 214 12110) + 15¢8) + 1516) = 330 2(10) + 12(8) + 76) = 158, M4141 +10=36 Total de alumnos del grupo 2 = 12 + 15 + 15 +10 Total de alumnos del grupo 3 = 24 12+7+ 12 Tatal de puntos det grupo 2 Total de puntos del grupo 3 Total de alunos del grupo 1 214 Promedio de calificaciones del grapo 1 330 Promedio de califcaciones del gripo 2 = “= 6.35 Promedio de calificaciones del grupo 3 + El grupo con el mejor promedioes el 2, * El promedio de calificaciones de cada grupo puede obtenerse tambign aplicando el promedio £ pondlerado de la siguiente forma Suma (Cada valor» Factor de ponderacién) ‘Nimero de valores Promedio ponderado n Promedio ponderado grupo | = 1410) * 1(8) + 1116) + 1010) +1110 2 5 516) + 100) 330 Promedio ponderado grupo 2 = 1210) + 15(8) + 1516) + 1000), = 6.35 Promedio ponderado grupo 3 479 241247412~C-O-O— 108 Probibitidady estaisties AAA aaa $$$ + Otra forma de resolver el problema es por medio de fa siguiente tabla, en la cual se confir- £ man los resultados obtenidos con Jos procedimientos anteriores: | Alumnos MBS| Alumnos 8 | Atumnos S [Alumnos NA (B=10) | B=8) | =o | (A—o) Totates Nam. Puntos | Nam. |Pantos| Nim. [Puntos Nim Punts Nm, | Panta] Prom. Grupo! | 14 140, 1 8 n 66 10 0 36 | 214 5.94 —r—”C—rT—._ "=a s§wrlLcLstisti ia “ rr —r”T—r———..L_=iC“C(C‘C‘i‘a|.ks|sekekekesesteteeeCl Ejercicio z 3410 Con base en los resultados obrenidos por las cinco compafias de un grupo industrial, deter- nine los porventajes de utilidad de cada una, asi como el porcentaje promedio de utilidad del grupo de empresas, Compai Ventas Utitidad Uno | s106302.00 | s153.419.0 : Dos $622 503.00 $5.321.00 : Tres 5390.052.00 $4,870.00 Cuatro | $606 666.00 | $18 $31.00 | Cinco $511 165.00 | $35.037.00 ; Totales $2.836.688.00 | $217478.00 : Solucion: + El primer punto puede resolverse stilizando la formula basica para promedios, esto es: Pore dia or compan = Lilia ep venas : s133.419.00 Porcentaje de wilidad compaiia Un = $153-418.00 L7% ne ee (6705900.00) Gon . $5321.00 Porcentaje de wilidad compania Dos = $5321.00 (yg) = 9 : ui 3622 503.00 Porcentaje de uilidad compania Tres 0 00) = 1.25% $390 052.00 :7 $18 831.00 rcentaje de wtilidad compania Cuatro = S18831.00_ (gg) Porcentaje de wilidad compatia Cuatro 666,00 (100) = 3:10% $35,037.00 $511 165.00 Porcentaje de utilidad compaiia Cinco (100) = 6.85% + Porcentaje de utilidad del grupo: Porcentaje de wilidad del grapo = —Sumadewilidades 1.9, Suma de ventas 8217 478.00 . 0) = 7.674 52836 688,00 (100) = 7.67% *+ Los resultados anteriores se presentan a continuacién: Compania | Ventas Utitidad | Uno $706302.00 sis34i900 | 2.22% | Dos $622508.00 sssz.00 | ose | Tres 3390052.00 $4870.00 1.25% Cuatro $16016666.00 51883100 | 3.10% Cinco $511165.00 $35037.00_ | 6.856 Totales| 52836688.00 $8217478.00 7.67% ‘| Observe que el porcentaje de utilidad del grupo (7.67%) no es igual al promedio de los por= centajes de las compa (21.72% + 085% + 1.25% + 3.10% + 6.85%) 3 Este tltimo valor es incorrecto porque no considera que las compaii ventas diferentes entre si = 6.15% tienen voliimenes de + El porcentaje de utilidad del g-upo puede obtenerse también aplicando el promedio ponderad de la siguiente forma: ‘SUMA (Cada valor « Factor de ponderacitn) - i Promedio ponderado = =~ : L ‘Niimero de valores Daxy | Promedioponderado = + En este caso, el mimero de valores es el total de ventas de las empresas del grupo (el porcen taje de utilidad estd referido a las ventas). (706 302) (21.72) + (622.503) (0.85) + (390 052) (1.2: + (606666) 3.10) + (511165) 16.85), 705302 + 622503 + 300052 + 606656 + 511165 21739717 © 2836 688 Promedio ponderado = 7.66% enol de resultados se debe a manejo de dei NOTA: Le di—O-O-O- 10: Probabilidady estate Promedio movil El promedio movil de m datos es el que resulta de promediar sucesivamente sélo los Gltimos m datos de un conjunto mayor de datos. El promedio mévil reduce los datos originales a un conjunto de valores cuyas variaciones son me: nores que los datos originales, con lo que se reduce el impacto de los valores originales extremos (muy {grandes 0 muy pequefios), y se obtienen promedios mas adecuados para efectos de anilisis de tendencias Ejercicio 3.11 Con base en los siguientes datos, correspondientes a las ventas mensuales de una empresa. determine el promedio mévil mensual de cuatro meses Mes | Ventas Enero 522.500 Febrero $18 900 Marzo $23 700 Abril 520-400 | Mayo $20 800 Junio $27 200 Julio $25 000 el Solucion: + El promedio movil de cuatro meses se calcula como sigue: Mes 1 + Mes 2+ Mes 3 + Mes 4 4 Promedio mévil de cuatro meses Promedtio mévil de enero a abril 2 500 + S18 90) + $23 700 + $20 400) $21 375/mes. Promedio m6vil de febrero a mayo: (318 900 + $23 70) + $20 400 + $20 800) 20 950/mes Promedio mévil de marzo a junio: (528 700 + $20 400 + $20 800 + $27 200) Promedio movil de abril a julio: {820-400 + $20,800 + $27.200 + $25.00) — 575 350/mes—__._Jqv—v_ _ Media de tendencta central ttl -O-O-O— fre Feb Mr Abr May nl * Fromedio mould ener a ari Prometlo maui de febrero a mayo * Promedio maui de matzo ajo * Promedio movil de abi julio * Observe que ta diferencia entre el mes de més ventas y el de menos es $27 200 -- $18. 900 = | $8 300, mientras que la diferencia entre el mayor y el menor promedio mévil es de s6lo $23 350 ~ $20 950 = $2 400, Media geométrica Esta es una medida que puede aplicarse al crecimiento exponencialo interés compuesto, pues obtiene la aie n-ésima de un grupo de n datos multiplicados entre s; por ejemplo la ralz eibica del prodcto de 3 datos, o I raiz octava del progucto de 8 datos, El resultado obvenido. tl elevare a la potencia ‘sim, produce el producto de todos los datos multilicados entre si Ejercicio 3.12 Determine la media geométrica de 6.15, 32.9, 23.8 y 67.5 Solucién: + El niimero de datos es cuatro, por lo que se deberd obtener la raiz cuarta del producto de los $ cuatro datos. Media geométrica = \(6.13) (32.9) 23.8) 167.5)=O-O-O= 112 Probabitidad y estadistew mim maa Ejercicio 3.12 Suponga que los porcentajes de inflacin de los ltimos tres afios han sido 18, 15 y 12% respectivamente, Determine el porcentaje promedio de inflacién anual en ese periodo. Solucion: * En virtud de que los valores de inflacién estn referidos a la unidad, deben expresarse en tée: ‘minos de factores de incrementos de precios, de tal manera que 18% equivale 1.18, 15% a 1.15 y 12%% a 1.12, La media geomeétrica de los valores es el valor promedio del incremento de £ Jos precios. En este caso: Incremento promedio = Media geométrica = \/(L.18) (118) (112) Visi984 = 1.149739 El porcentaje promedio de inflacién anual es: (1.149739 ~ 1) 100 = 14.9739% + Otra forma de resolver el problema es la siguiente: Si se tomara como base de precios $100000.00 para el afio inicial, al final del tercer afo este valor seria $151 984.00(100 000 x 1.18 X 1.15 % 1.12). El porcentaje promedio de incremento de los precios es: — (3[1si9sa | ¥ 100.000 Inflacién promedio ~ 1} 100 = 14.9739% sat sete | + En general la inflacign promedio se obiene de a siguiente forma: Inftacion promedio = ("| elerinicial _ |) seq 4 (Farrar) 100.000 _ 5) 9p = r4.0r506 84S Sabias que... 1a media arménica de n nimeros se calcula como n dividida entre Ja suma de los reciprocos de los n ntimeros? Media arménica de n mimeros = _. ee Vr, +. Wr, Esta y otras medidas similares pueden aplicarse en la solucién de algunas situaciones como la siguiente: Ejemplo: Un comerciante compr6 un cargamento de 600 kilogramos de manzana a $1.50/kg. Poco después compré otros 500 kg a $1.80/kg. ;Cual es el precio promedio al que compré las ‘manzanas? La media arménica slo es aplicable cuando los valores que se van a promediar son ‘comparables (en este ejemplo, ¢: costo total de cada cargamento es de $900.00), por lo tanto G50 + 171.80) ~ 0.667 + 0555 Con relacién al espejismo numérico presentado en et capitulo 1, si el viajero recorre la primera tmitad del camino a 20 km/h y la segunda mitad a 80 km/h, su velocidad promedio seria 32 km/h, por lo que tardaria dos y media horas en llegar a su destino, Media arménica = S1.636/kg Media arménica = (120 + 1780) ~ 0.05 qa 0125 Cuantiles (cuartiles, deciles y porcentiles) | 4s 16 064s | S0d6 242 208 Le | 3 9 014516132839 | 150.467 1,0000000 | 2989 |dis de tendenci cetl 9 OOO Cuantiles (cuartiles, deciles y porcentiles) Para obtener los euantiles de datos agrupados pueden utilizarse ls siguientes féermulas,en donde i esl cuantil deseado, por ejemplo, 1, 2, etcétera, nes Ja frecuencia total L_ esel limite inferior exacto de la clase que contiene el cuanti) deseado Ja esta frecuencia acumulada de la clase anterior a la que comtiene el cuamtil deseado Frecuencia de la clase es la frecuencia de la clase que contiene el cuantil deseado © esel ancho del intervato de la clase que comtiene el cuantit deseado Cuartiles de datos agrupados: | Pe i=) sicion del cuartil i= 1 + aD) “osicién del cuart = iin) ~fa flor del cuaril¢ = E+ ——Limi) ° eee zB Frecuencia de la clase Deciles de datos agrupados: | in Posicién del decil i= 1 + 10 i imA0) fe del decili = 1+ ttn eee Frecuencia de la clase © Porcentiles de datos agrupados: iin=1) 100 Posicién del porcemil i = | + flor del porceniti = L + c eee : Frecuencia de la clase i (i100) = fa | Los cuantiles pueden obtenerse también gréficamente, por medio de la ojiva de la frecuencia acu- 3417 Determine el primer cuartil, el sexto decil y el ti tabla de distribueion de frecuencias: simoguinto porcentil de ta siguiente~O-O-O= 120 Probabilidad y estadisie P@@a@$momyq§}\yY}N clase es 3758 y el ancho de clase es 5, por lo tanto: Limite | Limite Contenido | | inferior | superior Frecuencia i Clase | exacto | exacto | Marca) absoluta | acumulada | delNo. alo. |; 1} 305 | 355 | 33 | 375s 3758 1] 3758 2 | ass | 4os | 38 | 3635 7303 | 3750] 7393 | 3 40.5 455 43 3084 10477 7394 | 10477 | ? 4) 455 | 50s | 48 | 3796 | 14273 | toate | a2 | E Seles cose |e sa 435 14708 | 14274 | 14 708 Solucién: * Para definir la posicién det primer cuarti se debe considerar el total de datos (14 708) de la siguiente forma: Poston priner nail = 1+ WATB=V «sys Tal como se observa en Ia tabla, el clemento 3 677.75 esté ubicado en la primera clase, De ella, el limite inferior exacto es 30.5; la frecuencia, 3 758; la frecuencia acumulada hasta antes de esa clase, 0, y el ancho de clase, 5, por lo tanto: 3758 = 305 + 4.80 = 35,30 Valor del primer suartl = 30.5 + | eeariceaall 6 + La posicién del sexto decil es la siguiente: 6(14 708-1) PosiciOn sexto decil = 1 + = 8825.2 Tal como se observa en la tabla, el ¢:emento 8825.2 esté ubicado en la tercera clase. De ella, su limite inferior exacto es 40.5, su frecuencia es 3084. la frecuencia acumulada hasta antes de esa clase es 7393 y el ancho de clase es 5. for lo tanto: 6(14 708/10) — 7393, Valor del sexto decit = 49,5 + SUS 708/10) — 7393 lor del sexto decil = 40, eT} ) = 405 +232 = 42.82 + La posicisn del trigesimoquinto percentiles la siguiente: 35(14 708 — 1) 100 Tal como se observa en la tabla, el elemento 5148.45 esti ubicado en la segunda clase. De ella, su limite inferior exacto es 35.5, su frecencia es 3635, la frecuencia acumulada hasta antes de esa Posicién del porcentil 5148.45, -3 (14 708/100) = 3758 Valor det porcentil 35 = 35.5 + Baas 5 = 3554191 = 3741eis ce teen ental o-oo Ejercicios para resolver en grupo 1 Durante los pasados siete meses una persona compré, el primer ds habil de cada mes, acciones bursitiles de una empresa emisora (por ejemplo, Alfa. Bimbo, Cemex, Valle. Walmer ccs El smonto de la compra fue de $1000.00 mensuales. Determine lo que se indica y compute los resultados obtenidos por otros compafieros de clase. 4) {Cuintas acciones compré cada mes? 2) Gud es el valor total de ls acciones adquirida, conforme a la cotizacin de ayer? ©) Si hublera ganancias en Ia operacion y esta persona pagura el 27% de impueston ceusnto deberia pagar? Puede utilizar Ia grifica de informaciGn histérica en el sitio dela Bolsa Mexicana de Valores \www.bmv.com.mx » Usted y otros cuatro compatieros de la clase deberdn caificarse, del cero al diez, en las catego. Tas que se indican, para determinar quién tiene mejor puntuacién global y en cada un deine categorias, Verifique en grupo ia validez de los resultados obtenidos 4) Agradable by Alléticota) ©) Atractivota) 4d) Inteligente ©) Trabajador(a) Consulte, en la seccién de anurcios de venta de automéviles de un periédico importante, los bretios de un automévil de 3 afos de uso. y determine los precios mis alto y mis bajo, asf co. ‘mo Ia media y la mediana de los precios y el color més abundante entre los automéviles que se offecen. Algunos periédicos que cuentan con anuncios via Internet son: wwwelnorte comme, www cluniversal.com.mx y www.informador.com. mx. 4. Obtenga el consumo de electricidad, en kw/h por mes: 4) de su casa, durante los ilimcs 12 meses: >) de las casas de 15 compafers de clase durante el mes pasado. Determine ta media y le mediana en cada caso y comente los resultados con los demés compaferos de clise 5. Obtenga un informe de calidad ce un producto de su preferencia, y explique cuales de os e Ceplos presentados en este capitulo se utilizan en dicho informe. Una fuente de informacion importante es el Laboratorio de Pruebas de Calidad. del Instituto Federal de Proteccidn al Con. sumidor, www profeco.gob.mx. Ejercicios propuestos 1. Los once jugadores de un equipo de futbol tienen las estaturas que se indican, Determine para ellos ta media, le mediana y la meda de sus estaturas: 1.68 m, 1.83 m, 1.75 m, 1,72 m. 1.65 m, 1.78 m, 1.74 m, 1.68 m, 1.79 m, 1.57 my LSE m, 2. Determine la moda de los siguientes valores: ROJO, VERDE, ROJO. AZUL. VERDE. AZUL ROJO, VERDE. VERDE, BLANCO. VERDE, AZUL. ROJO. VERDE. VERDE.Oo 2 Probabilidad y estadistica EI promedio de peso de 6 toros se eccionados al azar en un enotine rancho ganadero debe ser de por lo menos 425 kg. Ya se han seleccionado 5 toros y sus pesos han sido de 408, 441, 418, 429 y 422 kg. ,Cudnto debe pesar el tltimo toro para que e] peso promedio de los 6 toros sea el que se quiere? 4. Los siguientes son los tiempos de viaje, en horas y minutos, de un autobis urbano que recorre 48 kim: 1:03, 1:17, 0:47, 1:11, 0:52, 0:57, 1:12, 1-08, 0:49, 1:14, 1105, 0:57, 1:15, 1:03, 0:55. De- termine el tiempo promedio de visjey la velocidad promedio del autobs 5. Un comerciante compra y vende mercancias a los precios y en Jos volimenes que se indican a continuacién. Determine el porcentaje de utilidad de cada articulo, tanto respecto al costo de compra como al precio de venta, asf como el porcentaje de utilidad de su negocio. | riot | Arroz | Pan | Dentitvicos | Perfumes | Compra ($) 2.60 | 215] 0.49) 5.09 1735 Venta (S) 299 | 255) 065] 9.26 39.90, Volumen venta} 617/385. | 1284 0 3 [Siseemenemnae po" 6. Se conoce el total de ventas de una empresa, correspondiente a los meses de abril. junio, julio y agosto. asf como los promedios méviles de cuatro meses. Determine las ventas de los meses de mayo y septiembre. Ventas | $247.00 | $285.00 | $293.00 | $252.00 Promedio m6vil de abrilulio: $273.25 Promedio mévil de mayo-agosto: $274.50 Promedio movil de junio-septiembre: $276.00 7. Ei ntimero aproximado de bacterias en un cultivo de luboratorio. obteniclo con mediciones reali- 2zadas en dias sucesivas, es: 16.8. 23.4, 30.9. 44.5 y 62.5 millones. Determine el porcentaje de crecimiento de un dia al siguiente, asi como el porcentaje promedio de crecimiento diario de ese cultivo, 8. Un Taboratorista mezcla 50 ml de una solucién salina que contiene 1.7% de minerales, con 20 ml de otra solucién con 2.5% de minerales. ;Cual es el porcentaje de salinidad resultamte? Si se desea una solucidn con 2.2% de minerales. a partir del resultado intermedio. ;cudl solucidn y cudin- 10 debe afiadir para obtener el resultado deseado? 9. Calcute Ia media, la mediana y la noda de la siguiente tabla de distribucién de frecuencias ¢o- ‘respondiente al peso en gramos de las naranjas producidas en Ia huerta EI Puente.Medidas de tendencia central 123 ~O-~QHO— Limite Lit Frecuencia inferior | superior absoluta Clase (@) (@) (naranjas) 1 115 145 2 150 180 3 185 215 4 220 250 5 255 285 10. Un inversionista compré las acciones bursatiles que se indican. Un afio después las vende a los precios vigentes del mercado. ,Cual fue el porcentaje de utilidad o pérdida para cada una de las acciones que compro? ;Cual fue el porcentaje de urtilidad o pérdida de su inversién? Compra | Venta Acciones | (S) ) A 125, 68.75 | 62.87 B 240 19.08 | 22.73 cl 85 5216 | 58.36 A. Un analista estudié el consumo de agua potable de una muestra de 14 familias, obteniendo los siguientes resultados, en metros cubicos por mes: 35, 18, 42, 25. 62, 32, 51, 47.29. 21, 19, 41, 22 y 28, Determine la media, la mediana y 1a moda de dichos valores, Si esos valores fueran aplicables a una poblacién de 6257 familias, ;cusl serfa el consumo en metros ctibicos mensua- Jes y expresado también en litres por segundo (Ips)? Nova: un metro cco quivale 3 1000 tos 12. Una empresa utiliza una sierra eléctrica de trabajo continuo con dientes de corte cuyo reempls- zo ocasiona un costo de $300.00. Actualmente la empresa compra en $500.00 unos dientes de cone con duracidn de 80 horas. Orro proveedor ofrece unos con duracién de 100 horas a un precio de $650.00. Considere el costo de instalaciGn y determine si conviene cambiar de tipo de dientes de core. 13, Un investigador cientfico analiz6 cierto tipo de plantas en una muestra de terreno de 2 100 segiin la relacién siguiente, {Cusntas plantas de cada tipo es razonable esperar que existan en una zona similar de 1.3 km”? Nombre dela planta | Plantas encontradas | Potent jruticosa Pulsatilla vulgaris Veronica spicataO=C-O= 124 Probabilida y esta the] $$ $a 14, El registro de pacientes de un hospital durante cada uno de los 12 meses del aiio 2002 fue el que se indica (285, 243, 271, 315, 286, 228, 265, 374, 293, 260, 235 y 274). Determine la media y la mediana de dichos valores. {(Podria decirse que el hospital recibe més pacientes durante el verano? 15. Determine el valor del primer cuartil, del séptimo decil y del porcentil 39 de los siguientes 26 valores ordenados: 3, 5.6, 11, 14, 18, 18, 20, 24, 25, 27, 27, 28, 28, 31. 33, 34, 36, 44, 45, 47, 48, 48, 50, 50 y 52. 16. Determine el tercer cuartl. el séptimo decil y el porcentil 29 de la siguiente tabla de distribu- cci6n de frecuencias: T 1 31 3 33 3758 | > fw | o fox | aes | ‘ 41 45 43 3084 | ee ee) eee) ae | 5 St 55 53 4350°? ° : ° Capituco 4 900° ° E 000 20000000 90000090005, 00° “0 ° Pog STE ee nan re and ——Ee ‘COMPARATIVO DE VENTAS vesoco 1 | |—O-O-O- 126 Probabilidad y estadtstley, 3% Medidas de dispersién Un conjunto de datos puede conocerse numéricamente por medio de algunas medidas que lo descr ben, por ejemplo: la media, Ia desviacién estindar y otras. De esta manera es posible comparay ene cr Varios grupos de datos. Existen dos tipos de medidas: las conocidas como de tendencia central (ode posicisn) y las de ise Persion (o de variabilidad), Entre las primeras destacan la media o promedio, la mediana y la mada mientras que las medidas de dispersion més comunes son el rango, la varianza y la desviacidn estan: dar. Estas y otras més se estudian en este capftulo y en el 3 Caracteristicas estadisticas de un conjunto de datos | + Media, media aritmética o promedio Mediana + Moda Medidas de tendencia central *+ Promedio ponderado + Promedio movil + Media geométrica | | * Cuantiles (cuartiles, deciles y porcentiles)* + Rango o amplitud + Desviacién media + Varianza i Desviacién estindar Medias de dispersion + Coeficiente de variacion | Porcentaje de variacién Coeficiente de asimetrfa de Pearson Momentos + Cunosis + Puntuaciones estindar | Ls caracteristicasestadisticas de un conjunto de datos pueden referitseo la totalidad de elementos { poblacion). en euyo caso se conocen como parémetros, 0 a una muestra (subconjunto de la pabla- cin). en cuye caso se les conoce como estadisticos. *+ Parémetros (relativos a la poblacisn) | Caracteristicas estadisticas *+ Estadisticos (relatives a una muestra) — J Nuit angus algunos autores se refieren a los cuamiles como medidos de dispersin. Tos euantiles en si son medidas de vatficoy tfos san mets de diapers,ea ee Datos individuales Las medidas de dispers de datos individuales asf como has de tendencia central, pueden calcularse tanto pi ‘omo para una tabla de distribucién de frecuencias, aun conjunto Rango, desviacion media, varianza y desviacién estandar El rango de un grupo de datos, conocido también como amplitud, es la diferencia entre el valor mayor ye] menor de los datos. Esta sencilla medida permite identificar la variacion mixima entre dos dace del conjunto que se analiza, La primera propiedad de la media indica que la suma de las diferencias d media es igual a cero. Esto es fécil de entender si se considera que los valores mayores que la media son mayores en Ia misma proporcién que los valores menores que ka media Si se stuma el valor absoluto de las ferencias de cada valor respecto a la media, y se divide entre e] nlimero de datos, se obtiene el promedio de las diferencias de cada valor respecto a la media, A esta ‘medida se le conoce como desviacién media, La segunda propiedad de la media afirma que la suma de los cuadrados de las diferencias de cada valor respecto a la media es un valor minimo. Si ese valor se divide entre el niimero de datos, se obtic he una importante medida de dispersién conocida como varianza, 30x - Media = 0O-C-C— 128 Probabilidad y estadisticg§ A $_$_$_$_$_$?_______ & [x Met = Desviacion media = X,- Media? = Varianza = oF La desviacién estindar es una de las medidas de dispersién més utilizadas porque refleja ficlmente la media de las diferencias (elevadas al cuadrado) de cada Valor respecto a la media, La desviacién estindar se calcula como la rafz cuadrada de la varianza, e indica que tan diferentes son entre sf los datos que se analizan, Ejercicio 4.1 Un microbiis urbano realiz6 ayer 15 recorridos por su ruta autorizada, transportando en ea da viaje ef niimero de pasajeros que se indica. Determine el rango, la desviacion media, 1a varianza y la desviaci6n estindar del pasaje de dicho microbiis: 13, 14. 15,9. 5, 9, 2, 14. 10,6, 10, 11, 13, 14 y 14, Solucién: + Bl rango se calcula utilizando la siguiente formula: Rango = Valor mayor — Valor menor = 15 ~2 = 13 pasajeros + La desviacién media se obtiene de la siguiente forma: | - Suma [Valor absoluto (Cada valor - Media] pw = St Naler absoluto (Cada valor — Media) Niimero de valores Aunque primero es necesario calcular la media: Suma de vatores Niimero de valores BHI ISH 94549424 +0464 10+ E+ 4th 15 106 pasajeros /13 ~ 10.6] + |14 - 19.6] + 15 - 10.6| + 9-106] + | 5-16] + | 9-106! +| 2-106 + |14 10.6] + [10 - 10.6! +! 6-106] + [10-106] + [11 ~ 106! +1 13-1061 + [14-106] + [4 - 1061 15 DM = 3.093 pasajerosMecdidas de dispersin 129 ~O-C-O— + La varianza puede calcularse de Ia siguiente manera: suita | (Cada valor ~ Media)? Mimero de vatores E%,- a? (13-106) +14 ~10.6)' + U5 - 10.6 + (9-10.67 +( 5-106) +( 9~ 10.6) + (2-106 +(14~10.6% + (10-106 + (6-106 + (10-106 + (11 - 10.6 + 03-106)? ~ (14 ~ 10.6)" + 04— 10.6)? 15 Varianca = 7 = 13.973 pasajeros al euadrado + Otra forma de calcular la varianza es la siguiente: Suma de cada Valor elevadoal) (Niner de fei at cuadrado valores )\ euadrado ee ‘Miimero de valores IF FIPS IS HOES E e 1 H1O P+ NO + 1 + 138+ 14? + 14? -15) 10.6)? is 13.973 pasajeros al cuadrado + La desviacin estindares la raf cuadrada de la vatianca 1 | Desviacin estindar ~ \VVariaaca = Vee : 738 pasajeros—O-O-O~ 130 Probabilidad y estadistice eSabias que... El Instituto de Proteccién Federal al Consumidor (wwwprofeco.gob.mx) recaba continuamente los precios al menudeo de una gran ccantidad de artieulos, 1o que permite comparar la variabilidad de precios de los esta- blecimientos comerciales del pais? Desviaci6n estandar de muestras La varianza (y por lo tanto, la desviaci6n estndar) se calcula como la suma de los euadrados de las di= ferencias de cada valor respecto a la media, dividida entre el niimero de datos o valores. Cuando los datos se refieren a una muestra, no a la poblacién, es necesario que la suma de los cuadrados se divida entre el riimero de datos menos 1 (nt ~ 1). A esta varianza modificada se le Ha su rafz cuadrada produce la desviacién estindar muestral La varionza muestral difiere de 1a vasianza poblacional, dnicamente en el divisor de su formula, al considerar el nimero de valores amenos uno, en vez del ntimero de valores disponibles, varianza muestral. y Ejercicio 4.2 Los siguientes datos corresponden al saldo, en miles de pesos. de 15 cuentas bancarias toma- das al azar. Determine Ja desviacisn estindar de dicha muestra: 13, 14, 15,9,5,9,2, 14, 10, 6,10, 11, 13, 14 y 14, Solucién: + La desviacidn estindar muestral es igual a Ia raiz.cuadrada de la varianza muestral | Desviacidn estindar muestral = La varianza muestral se obtiene dela siguiente forme: | sums | (Cada valor Media} Varianca muestrat = ——L__. | ‘Neinero de valores 1 Varianca umestral = 3 == aTdodd._. —@§§ medias ae dspersién 11 0-0-0 Pero primero es necesario caleular Ia media: Suma de valores ‘Mimero de valores Media = =¥ep- 13+ 14+ 15+ 9+5+942+ 14510464104 4134144 14 peaauo oO a 10.6 = $10 600.00 (3-106? + (14-106 + GS~10.6F + ( 9-106" + ( $106" + (9-106 + (2-106 + (14-106 + (0-10.67 + ( 6-106" + (10~ 10.6 + (11-106) +.03~ 106 + 4-10.67 + P 151 Varianza muestral wee 209.6 as = 14.971 miles de pesos al cuadrado * Otra forma de caleular la varianza muestral es: ee Suna de cada ; : . valor eievado al\ _{ Niinero de V( Media at cuadrado vatores}{ cuadrado } Varianza muestral = su Nuimero de valores — 1 Varianca muestral = 3? = IP + d+ 1S 498 + SPH + HE +1? +10 +1 15(10. _ 1895 — 1 6854 i = 14.971 miles de pesos al cuadrado *+ La desviaci6n estindar muestral se calcula a continuacién: Desviacién esténdar muestral = \Varianca muestra 3.869 = $3869.00,O-O-C— 122 Probabilidad y estadtsties, PAA AA Aa Desviaci6n estandar. Formulas cldsica y simplificada Aunque el lector va lo habré descubierto, existen por lo menos dos formas de calcula la varianca y la dlesvincién estindar; una de ellas se basa en la definicién clisica de varianza y para aplicarla es nece sario calcula la suma de las diferencias de cada valor respecto a la media, Otra formula, conocida co. ‘mo simplificada, exige calcular la suma de cada valor elevado al cuadrado. Independientemente de la formula o-nétodo que se uilice, el resultado debe ser exactamente el mise mo, tal como se observa en el siguiente ejemplo, en donde ademas se aprecia el valor relativo de dos _upos de datos que se pueden compara Por uno w otro camino, el resultado es el mismo, Ejercicio 4.3 Determine la desviucidn esténdar de las ventas de dos pequefios negocios. presentan a continuacién: 20.00, $16.06, $17.00, $16.00 y $21.00 18.00, $19.00 y $18.00 Negocio 1, Ventas = Negocio 2, Ventas = $18.00, $17.06, ouPasarivo De ventasSolucion: + La desviacién estindar se obtiene de la siguiente forma, aunque primero debe calcular la media: Desviacién estindar = || _suwa (Cada vator = Meda Mimero de |B a-% Desviacién estindar = Suma de valores es Nimero de valores Medio = 2021621141621 _ $9. srso9 i [20~ 18) + W6- 18? + (17 - 18y + (16-18) + (21-187 2.0976 = $2.0976 Desviaciénestindar 1 = Media 2 = Betas ee 7 2 = $18.00 nee (08-18)? + 7~ 18 + 8-18)? +a) ‘Observe que. a pesar de que ambos negocios tienen ef mismo promedio de ventas, las ? ventas del negocio 2 son mucho més estables, lo que se refleja en su desviacién estindar £ menor, SP + U8 18) Desviacion estdndar 2 Uitilizando Ja formula simplificada para calcular la desviaci6n estindar de las ventas. el procedimiento seria eee 1 ——— : Suma de cada Niimero de Media al valor elevado } — | valores euadrado >| \ al ewadrade Desviacién estindar = | | | | Nimero de valovesO-C-CH 14 Probabildad y estacistica Desviacién estindar = Desviacion estdndar Desviaci6n estindar 2 Coeficiente y porcentaje de variacién El coeficiente de variacién es una sencilla medida que permite comparar el grado de dispersin, es decir, qué tan diferentes son, en valor relativo, dos o més conjuntos de datos. Se obtiene dividiendo la desviaciGn estindar entre la media. Por ejemplo, si la desviacidn estindar es 8.3 metros y la media es 668 metros, el coeficiente de variaciGn sera 8.3 metros/68 metros = 0.122 (observe que el cveficiente Pierde las unidades de los datos). Si el coeficiente de variacidn se multiplica por 100, se convierteen el porcentaje de varia én, Esta ‘medida de cispersidn puede ser la mas Féeil de entender como medida de comparacisn entre dos 0 més grupos de datos; por ejemplo, si el coeficiente de variaci6n de un grupo de datos es 0,122. el porcenta 2.2%, je de variacién sera (0.122) (100) Ejercicio 4.4 Un microbuis urbuno realizé ayer 15 recorridos por su ruta autorizada, ransportando en cada Viaje el niimero de pasajeros que se indica, Determine el coeficiente y el porcentaje de varia- £ cid del pasaje de dicho mictobis: 13, 14, 15.9, 5.9.2. 14, 10,6, 10. 11, 13. 14 y 14 Solucién: + El coeficiente de variacién se caleula asi: Coeficiente de variacién cs La desviacidn estindar y la media pueden caleularse wtilizande tas Yrmutas que se indican $ tinuacisnal euadrado Se Nuimero de valores Desviacién estindar = | ( SS). (axe) (“iad ) 0) — Ne Desviacién estindar Desviacién estind Media Coeficiente de variacién 3.238 = 32 = 0.353 106 + El porcentaje de variacion es el siguiente: | Porcentaje de variacién = (Coefcieme de variaciény 100—C-O-O- 136 Probsildad y estadistieg, $$$ SabIAS que... Para cl dseho de tangues de almacenamiento de agua pouble we analy 2an las variaciones en el consumo promedio por hora, de al forma que el o os tanguestengan ata cuando ésta se necesitey haya espacin en ellos durante las horas de menor consumo? Asi es post, ble abastecer un consumo variable con una entrada de agua constante Coeficientes de variacién comparados Tanto el coeficiente como el porcentaje de variacién expresan la relacidn entre la desviaciGn esténdar y la media de un grupo de datos. Esta relaciGn permite comparar diferentes grupos de datos en funcidn de su grado de dispersi6n relativa a sus mismos datos: de esta manera se descubren proporciones no visibles a simple vista, como en el caso del ejemplo siguiente Ejercicio Calcule el coeficiente de variacisn de los siguientes grupos de datos: Grupo 1: 1.78, 1.59, 1.63, 1.65 y 1.84 m Grupo 2: 178, 159, 163, 165 y 184 Grupo 3: 70.08, 62.59, 64.17, 64.96 y 72.44 pul Solucion: * El coeficiente de variacisn es Ja relacién entre la desviacién esténdar y Ja media, es decir: | Coeficiente de variacién = La desviacién estandar y la media pueden calcularse utilizando las formulas que se indican ‘ comtinuacién: r valor elevado ( Suma de cada Herero Jet) (ae Desviacton valores. } \ euadrado estén \ Miimero de vatores : | Desviacién estindar = Medin = Suma de volores j Numero de valoresATA Meds de dispersion 357 -O4Q-O~ H 1+ Media 1 = eae = 1.698 m Media 2 ~ 178 +159 + 163 + 165 + 184 169.8 em Media 3 = 9 + A.17 + 64.96 + 72.44 66.848 puly Desviacién esta Desviacion estdndar 2 = TOO _ 9,539. cm Desviacién esténdar 3 | riacidn € | Coeficiente de variaciin = Pesticide 0.09539 _ oe ‘oeficiente de variacidn | = 222539 yos69 Coeficiente d tans” = 2° 9.530 Coeficieme de variacién 2 = 232 = g,o562 169.8 ‘weficiente de variacién 3 = 2737 = 0.9562 ‘ 66.848 Observe que. aunque los valores de media y desviacisn estindar de cad: es entre si. pues en es upo son diferente caso se refieren a Iu misma medida pero en unidades diferentes, el * wliciente de variacién indica que cada grupo tiene la misma variabilidad en sus datos. tren 3.08 pul 7008 py Quin es mis alto~O-O-O= 138 Probabitidad yestadstey AMA AAJ Coeficiente de asimetria de Pearson {Le asimetria o sesgo de una distribuciin de frecuencias expresa su deformacidn respecto al eje verti- Cal. La asimetra puede ser postivao derecha (la media es mayor que la medians), negativa oizquier, da (Ia media es menor que la mediana), © nula (la media es igual ala mediana, es deci, la figura eo simétrica). Negative Nola Positva He Me H=Me > Me {a asimetria puede cuantificarse mediante el segundo coeficiente de Pearson (Karl Pearson, mate. ‘itico inglés, 1857-1936), e] cual se explica con el siguiente ejemplo: Ejercicio 46 Un microbis urbano realiz6 ayer 15 recorridos por su ruta autorizada, transportando en viaje el nimero de pasajeros que se indica. Determine el segundo coeficiente de asimetri de Pearson del pasaje de dicho microbiis: 13, 14, 15,9, 5.9, 2, 14, 10,6, 10.11, 1314 14. 2 Solucion: * El segundo coeficiente de asimetifa de Pearson se calcula utiizando la formula que se indica a continuacién: cofene = 3 ( li tne * Para determinarlo. primero se calculan la media, la mediana y la desviacién estandar: Suma de valores Niimero de valores REMFIS+945 40424 Media = R= FISH O45 494 = 10.6 pasajeros‘+ Mediana (el valor del elemento de la posicién central), Posicién de _ _Niimero de elementos + 1 la mediana 2 Los valores ordenados son los siguientes: 2,5,6,9,9.10, 10, 11, 13,13, 14, 14 14, 14, 15. pot lo que el valor del elemento de la posicién 8 es 11 pasajeros. ee eee + Se puede calcular la desviacién estindar de la siguiente forma eae area | _sums{(Cada valor Media?) Desviacién estndar = Desviaci U3~ 10.67 + 14-106" + (15~ 10.6) + (8-106 + (5-106 + ¢ 9-106" + 2 ~ 106% + 44-106) + 0-106" + (6-10.67 + (10-10.6F + 1110.6" \ + 2-10.67 + 4-10.67 + 4~ 10.6) 15 Desviacién estanda 3.738 pasajeros—S-O-O— 140 Probabilidad y estadistica + La asimetria queda cuantificada en la siguiente cantidad: ‘ Sa ied, ( Media ~ Mediana ) as Desviacién estindar 106—11 ‘aR 0.321 pasajeros (El signo negativo indica que la media es menor da de la medians.) que la mediana, es decir, esta a la izquier Momentos y curtosis La deformacién respecto al eje horizontal de una distil ibucidn de frecuencias se conoce como cumtosis 0 aplastamiento. Una medida cualitativa de la forma de las distribuciones de frecuencias las clasfica en: Leptoctiticas: ‘Sus datos se concentran en un reducido intervalo de valores. Mesoctrticas: Estas presentan una concentracién de valores alrededor de la dia, y una reduccién de éstos hacia los exiremos. A éstas se les co- ‘oce también com distribuciones normales o campsnas de Guuss, Platicirticas: En ellas los datos se distribuyen de manera relativa uniforme en todo el rango de valores. ee Mescine Reainns Tipo de curtosis¢ aplestamiemto. El coeficiente de curtosis puede calcularse por medio de los momentos de la distribucidn de fre- he See ee zi bE El calculo de la media se puede realizar asi: Marca de ‘Suma de tas suma | { clase at (Frreenca = [frecuencias (Media at cuadrado )\ ce ctase thsotnas | cuadrado) Suma de las frecuencias absolutas Varianza Varianca = _suita (Marca de la clase) (Frecuencia de cada clase) Media =~ Suma de las frecuencias absolutas s OMS, Media = w= ¥ = OE = i" dE 333558) + 38(2135) + 43 (3084) + 48 (3796) + 53 (2135) 3558 + 2135 + 3084 + 3796 + 2135 12.597 afios 33° (3558) + 38° (2135) + 43? 084) + A8* (3796) + 53 (2135) — 14 70842597 3558 + 2135 + 3084 + 37.962 135 27.403 117 ~ 14.708 (42.5977 _ 715 387 14 708 14708 48,639 afios al cuadrade ‘La diferencia en los resultados es explicable en funcién del numero de decimales utiliza: £ Jos en fas operaciones.)Ejercicios para resolver en grupo 7 Obteng I temperatura promedtio para cada uno de los 12 meses del ao de es cudades del pas » caleale el porcentaje de variacién de esos valores para determinar cul de esas vindades tenn una femperatura més estable, Grafique los valores y compazclos con los obtenidos por otres coms pafieros de clase. EI sitio de Interret del Instituto Nacional de Estadstica, Geogratfa e Informa €a (www inegi.gob.mx) tiene disponible la informacién necesaria. 2. Por lo general las empresas de cembio de monedas internacionales (divisas) ‘compran las dife- remtes monedas a un cierto precio y las venden con un pequeiia diferencia a su favor, Determine cl valor de compra y venta, al dia e ayer. de las unidades monetarias de cinco paises y determn ne el rango de cada divisa. Deterraine tambien el porcentaje de cada rango respecto al valor de Compra. Algunos sitios de Internet donde puede encontrar la cotizacién de divisas son: www banamex.com, www.banorte.com 7 www.bital.com,mx. Obtenga del directorio telefnico los titimos cuatro digitos de 20 nlimeros de telefono cualquie- ‘a Para cada grupo de digitos sume el valor de éstos y determine los valores minimo y maximo de esas sumas, asf como su desviecién esténdar y su coeficiente de variacidn. ;Cudles son los valores minimo y maximo que podrian presentarse en la suma de dfgitos? 4 Obtenge el tiempo que usted y otros 10 compatieros de clase tardaron hoy en llegar de su casa ln escuela y determine con es0s valores el rango y Ia variacién media, en horas y minutos, Com: Pare sus resultados con otros compafleros de clase, Ejercicios propuestos 1. Calcule el rango, la desviacin media, la varianza y la desviacign estandar de los siguientes valo- Fes correspondientes ala velocidad. en kildmetros por hora, de 15 autoiéviles, a su paso por un centro de manitoreo: 63, 52. 75, 49, 47, 79, 85, 66, 59, 62, 58, 56.85, 73 69. ~ Los siguientes valores corresponden al peso, en kilogramos, de una muestra de 15 personas. De- ermine la desviacién estindar de ese grupo de personas: 63, 52. 75, 49, 47, 79. 85, 66. 59, 62 58. 56, 85, 73 y 69, Determine el coeficiente y el porcentaje de variacidn de los siguientes valores, correspondientes la velocidad, en millas por hora, de 15 automéviles a su paso por un centro de monitoreo: 63 52, 75, 49, 47, 79. 85, 66, 59, 62. 58, 56, 85, 73 y 69, 4. Calcule et segundo coeficiente de asimetria de Pearson correspondiente a los siguientes valores: 63, 52, 75, 49, 47, 79, 85. 66, 59. 62, 58, 56, 85. 73 y 69. A partir de los siguientes valores, determine los primeras cuatro momentos respecto a la media, asi como el coeficiente de curtosis: 63, 52, 75, 49, 47, 79. 85, 66, 59, 62. 58. 56, 85. 73 y 69.~C—C-C— 148 Probability estate aA aA aA aa 6. La media de una poblacién es 683.5 gy su desviacin esténdar, 52.1 g. Determine Ja puntuacién ‘estindar Z para los siguientes valores: 652.1, 683.5 y 707.4, 7. La media de una muestra de taratio 15 es 683.5 g y su desviacidn estindar es 52.1 g. Determic ne la puntuaci6n esténdar£ para 'os siguientes valores: 652.1, 683.5 y 707.4 g 8. La media de una muestra de tamaiio 10 es 683.5 g y su desviaciGn estindar, $2.1 Determine la puntuacidn esténdar ¢ para los siguientes valores: 652.1, 683.5 y 707.4 g 9. Calcule el rango, la varianza y la desviaci6n estindar de la siguiente tabla de distribucin de frecuencias: | clase | Limite inferior | Limite superior | Frecuencia absolnta 2 150 180, 7264 } a] 20 250 2923 e 10. Calcule el rango, la varianza y ia desviaci6n estandar de la siguiemte tabla de distrihucisn de frecuencia Clase | Limite inferior | Limite superior | Frecuencia absoluta 1 1s Las 624s | 2 | 1.50 1.80 7264 | al 1.85 2u5 11 450 | 4 | 2.20 2.50 2923 | 2.85CAPITULO 5 ° 9009 25 “°c99900000 Anilisis combinatorio med ae ee et Octavio Sanchez. Primera Segunda Tervera——Cuarta canica canica canica canica Orden [Ret — verde ——anrv p—Newa —L Verde —— Rein ——— anv = Negra —— Verde —— ARNV Amil —}—Roja. —l— verde —— Negra —— ARVN Negra —— Roja. —— AWN verde —[— Roja’ —— Negra —— AVR [Rela —— verde ——NaRV Nave RAV Azul ——NRVA [—Aal —— Roja verde [Rojp —— azot — — Negra —— Verde — ——Verle —— Negra ——RAVN Aa Verde RNAV Roja Verde Azul ——RNVA —Aal —— Negra RVAN Verde —!—Negra-—— Azul ——RVNA [Nest —— Roja ——VANR ——VARN Roja ——VNAR Verde —Roja —— Azul ——~VNRA | —— Negra —— VRAN a —— Azul ——VRNA0-0-0 150 Probabilidad y estadistica 4 Analisis combinatorio Orientado al estudio de las probabilidades, el anélisis combinatorio o andlisis del ntimero de formas en Jas que se pueden presentar los resultacos de un proceso, ayuda a cuantificar la probabilidad de que ‘ocurra un resultado en particular. El anilisis combinatorio tiene como elementos fundamentales las permutaciones y las combinaciones. Estos elementos se estudian en el presente capitulo. Permutaciones ‘Una permutacién es una forma en la que pueden presentarse los objetos o eventos, y en la que el orden de aparicién es muy importante: por ejemplo, los digitos 2, 5 y 8 pueden forman los mimeros 258, 285, 528, 582, 825 y 852. Cada uno de ellos es una permutacién de los dfgitos 2, 5 y 8, y refleja valores muy diferentes entre si. Lo mismo puede decirse de las letras A. V y E: AVE, EVA y VEA son palabras diferentes. UNA MOSCA, AANA MASCA PARADA AN LA PARAD E ENEMESCE PEREDEENLEPERED | 1 INTMISCI PIRIDI IN LI PIRID | © oxomosco PoRoDO ON Lo PoRoD U_UNUMUSCUFURUDUNLUPURLD_| La ma genera de as permaaioneses a pene ‘nes el niimero total de objetos o eventos, ser cualquier valor entero positive desde 1 hasta 1) La formula anterior y otras similares se aplican en los ejemplos que se muestran a continuacién. Un juego ganado y un juego perdido Cuutro equipos deportives (A, B,C y D) jugardn en un torneo, Primero jugardn A contra B y C contra D. Los ganadores de cada juego jugarsn entre si para definir asi el primero y el segundo Jugares. Los perdedores de los primercs juegos definirén en un juego cul tendré el tercer lugar. Al analizar esta situacién se observa gue para obtener el primer lugar es necesario ganar en el primer juego y ganar en el segundo (CG). El segundo lugar se logra si gana en el primer juego y pierde en el segundo (GP). El tercer lugar se obtiene si pierde en el primer juego y gana en el segundo (PG). A pesar de que los equipos en segundo y tercer hugares hayan ganado un juego y perdido otro. el orden en que lo hayan hecho marca la diferencia (GP PG).Analisis combinatorio 15] ~Q-Q-Q— Permutar algunos objetos, de todos diferentes El mimero de formas diferentes en que pueden ordenarse n objetos diferentes, cuat de éstos (r), es el nsimero de permutaciones, tal como se ejemplifica a continuacig indo se toman algunos im: Ejercicio En una caja hay cuatro canicas (azul, negra, roja y verde). Si se extraen de 1a caja dos de eb las. cen qué orden pueden aparecer? Solucion: * La primera canica extrafda (sujet> activo) puede ser cualquiera de ls 4 (opciones) canica puede ser cualquiera de las tres (opciones) restantes. E: mente de la siguiente manera: se puede presentar Primera canica Segunda canica Orden Negra — AN Amt ———_T gies AR i verde AV | | — Awl — NA Neer ——— Roja NR == NV | | RA 1 Roja = RN I RV | ' vA Verde | __ eg vN vR * Si se aplica la formula para calculer las permutaciones: | Permutaciones de n objetos tomados de ten t Permutaciones = ——4* — @ Ejercicio 5.2 La mesa directiva (presidente. secretario y tesor tre cinco candidatos. identificados con las letras A,CCA 152 Probabilid y estadistica ellos es upto para cualquier puesto y determine el niimero de formas diferentes en que puede quedar integrada la mesa directiva, Solucion: + El primer puesto puede ser ocupado por cualquiera de las cinco personas: el segundo puesto puede ser ocupado por cualquiera de las cuatro personas restantes, y el tercer puesto puede ser ‘ocupado por cualquiera de las tres personas restantes, por lo que el mimero de formas diferentes seri Permutaciones = 5#4¢3 = 60 Este resultado puede obtenerse por medio de la férmula de las permutaciones, como se presenta a continuacién nent =3y Permutaciones =P, Observe que la mesa directiva formada por las personas A, By C es diferente de la mesa integrada por las personas A, Cy B: B, Ay C:B, C yA: Ay BoC. BYA. 2. Vetifique el céleulo de las siguientes permutaciones: P7360 P,, = 1.7792 104 = 9.8931 10 Permutar todos los objetos, de todos diferentes Ey miimero de formas diferentes en que pueden ordenarse n objetos diferentes cuando se toman de uno fn uno es el factorial de n(n!) tal como se presenta a continuacién. Observe que m crece ripidamente. por ejemplo, si es igual a 15, su factorial es | 307 674 368 000. Ejercicio ; 33 En una caja hay cuatro canicas (azul, negra, roja y verde), Si se extraen una por una de la} ‘aja. cen qué orden pueden aparecer? Solucton: * La primera canica extraidatsujeto activo) puede ser cualquiera de las cuatro (opciones). La se- ssunda puede ser una de las tes (opciones) remanentes, la tercer canica (sujeto activo) sera una dle las dos (opciones) restantes y la ultima canica serd Ja que no hava salido en las primeras tres £ ‘oportumidades. Esto se puede presentar eraficamente asiAnalisis combinatorio 153 ~C-C-O— Primera Segunda Tercera Cuarta ccanica canica caniea canica Orden [— Roja ——— Verde ANRV | Negra Verde Roja ANVR i — Negra Verde ARNV 7 Azul Roja ——— Verde ———— Negra ARVN A : ,— Negra———— Roja ——— AVNR i i Verde Roja Nesta AVRN 5 -— Roja —— Verde NARV Azul Verde Roja NAVR (— Azul ——— Vere NRAV Negra Roja Verde Azul NRVA [— Azul —— Roja NVAR Verde Roja Azul NVRA Negra Verde RANV — Aal Verde ——— Negra RAVN [— Azul —— Verde RNAV f Roja Negra — Verde Azul RNVA f — Azul ——— Negra RVAN i Verde Negra ‘Aaal RVNA : [— Negra——— Roja VANR Aa — Roja Negra VARN [— Azul —— Roja VNAR Verde Negra Roja Azul YNRA — Azul —— Negra VRAN Roja —l_— Negra azul VRNA i aplica a formula correspondiente a este caso, el mimero de formas seri 5-4 En una caja hay un billet de $100.00, otro de $500.00 y uno de $200.00. Tres personas to- marin cada una un billete, sin ver, Determine las formas en que pueden distribuirse los letes. Solucion: * La primera persona (sujeto activo) puede tomar cualquiera de los tres billetes (opciones): la segunda persona (sujeto activo), uno de los dos billetes restantes (opciones). y la ultima per- Sona, ef billete que quede en la caja. Esto equivale a tener (3 x 2 x 1 = 3! = 6) formas dife- remtes,=C=C=C— 154 Probl y esta sthea AAA A AAA aaa aa Primera Segunda ——Tercera F persona persona—=—=—persona Forma Distribu $500.00-——— $200.00 1——-$100.00 $500.00 $200.00 100.00 —L $00.00. $50000 2 $100.00 $200.00 $500.00 5100.00 $200.00 3. $500.00 $100.00 $200.00 8500.00 s200.00—— 100.00 4 $500.00 $200.00 $100.00 $100.00——— $500.00 $200.00 $100.00 $500.00 s200.00E ss00.00-— s10000 6 $2000 50000 $1000 Permutar todos los objetos, de algunos repetidos El ntimero de formas diferentes en que pueden ordenarse K,. K, se toman de uno por uno, es el factorial de(K, + K, +... + K, de K,. Ky. ....¥ K,, Bs decir, +9 K,objetos iguales entre si, cuando entre el producto de los factoriales +k! XK! Ejercicio En una caja hay dos canieas rojas y cinco verdes, Si se extraen una por una de la caja, cen ‘qué orden pueden aparecer? Solucisn: * La primera canica extrafda puede ser roja o verde; le segunda también, pero la tercera sélo puede ser verde si las dos primeras fueron rojas. Las formas en las que pueden aparecer estas cahicas se presentan a continuacién,Ts —— iisiscombinatorio 5s --0+9— Primera Segunda Tercera. Cuarta Quinta canica —canica —canica_—_canica canica Sexta _Séptima canica ——canica Permutar algunos objetos, de algunos repetidos No existe una formula fécil para determinar el ntimero de jetos de un conjunto que contiene varios articulos iguales esuelve por medio de un di permutaciones cuando se toman algunos ab. entre si. El ejemplo que aqui se presenta se Ejercicio 5.6 En una caja hay 2 canicas rojas y 5 verdes. Si se extraen cuatro de ellas de Ia caja, en qué orden pueden aparecer? Solucion: + La primera canica extraida (sujeto activo} puede ser roja o verde (opciones): la s bign, pero a la tercera y cuarta canicas sélo les ques ser verde si dos de las canieas anteriores fueron rojas. Las formas en las que pueden aparecer estas cunicas se presentan a continulacién:TC=C=C= 156 Probably est the9 Primer Segunda Tercera’ Cuarta canica canica canica canica Orden R—————v RRVV i RVRV RVVR RVVV VRRV VRVR VRVV VVRR vvRy VVVR vvvy Permutaciones con reemplazo En todos los ejemplos anteriores, el niimero de objetos estaba perf Hletes. ete.), Sin embargo, es frecuente que el nimero d veces que se prese de nuevo, ‘ctamente definido (4 canicas, 3 bile objetos sea limitado, pero que el niimero de ten sea infinito, por ejemplo: cuando los objetos seleccionados pueden ser elegios La diferencia entre una situ iacién y otra se conoce como reemplazo y se ejemplo. presenta en el siguiente Ejercicio 5.7 Los resultados posibles de un juego son perder o ganar, Si se practica son los resultados posibles? atro juegos. geuiiles ¢ Souci + Cuda uno de los -208 (sujeto activo) puede terminar e Se muestra gréficamente a continta cualquier de los resultados Posibles ‘opciones, Esto—_— aA ——— ilisis combinatorio 57 eee Primer Segundo Tercer Cuarto juego Juego juego juego Orden PPPP PPPG PPGP PPGG PGPP PGPG PGGP PGGG GPPP GPPG GPGP GPGG GGPP GGPG GGGP GGGG + El miimero de formas diferentes en que pueden aparecer n objetos diferentes, en m intentos con reemplazo. es: (n"). En este caso, 2! = 16 formas diferentes, 2. Compruebe que sin = 3 y m = 5, el mimero de formas diferentes sera 243: ‘m = 3, el mimero de formas diferentes serd 125. Combinaciones Una combined es una forma en la que pueden presemarse los objets o eventos. en la que el orden te apatcign no impont: pr ejemplo, ln multplicacin de los digits 2. 8 8 puede honene de mechen formas diferentes. po ejemplo. 5 % 8,02 % 8 % 5, pero en todos los easos el neclado rere mismo. Los factores 2, 5 y 8: 2. 8 y 5: ete.. son combinaciones de los disitos 2.5 y 8. La formula general de las combinaciones es la siguiente:O-C-O= 158 Probabitidad y estadisti¢s A$@ A$ $P@€ I $$$ Combinaciones de n objetos tomados de ¢ en ‘es el nlimero total de objetos 0 eventos. ‘res el nlimero de objetos que se desea considerar (puede ser cualquier valor entero positivo, r puede ser cualquier valor entero positive desde | hasta n.) Observe que para cualquier pareja de mimeros enteros positives n y r, exceptuando s = 1, el muimero de permutaciones es mayor que el de combinaciones. Por ejemplo. sin = 7 y r = 4. entonces P, = 840 y .C, = 35, Ejercicio {$88 Enun grupo hay 5 personas, las que pueden idemtficarse con las letras A. B, C. Dy EDs 5 cllas se van a seleccionar 3 para una misién especial. De cusntas formas diferentes se puede seleccionar las 3 personas? i E Solucton: * Observe que la misidn formada por las personas A, B y C se considera igual a la misiGn in ‘egrada por las personas B, Cy A (0 CAB, CBA, etc.) por lo que en este caso puede aplicarse £ |a formula para caleular el mimeto de las combinaciones posibles de un total de 5 elementos tomados de 3 en 3, el cual esta dado por: Combinaciones de n objetos tomades de tent = C= [ iy ] Gea a i sys i c-[3]- aig : La misisn especial puede quedar integrada por las personas ABC. ABD, ABE, ACD. ACE. ADE. BCD. BCE, BDE y CDE, es decir, 10 formas diferentes. Ejercicio 5.9 En una dolsa hay al azar is monedas, marcadas con los nimeros 1. 2, 3, 4. 5 y 6. Se van a tomar atro monedas. ;De cutintas formas diferentes se pueden tomar las monedas? Solucion: i * Observe que el grupo formado por las monedas 1. 2.3 y 4 se considera igual al grupo formedo por las monedas 12.4 y 301423, 1432, 4123, 4192, ee. porlo que en ese case puede apie £ “« la formula para calcutar ef ntimero de las combinaciones posibles de un total de 6 cle: es. tomades de 4 en 4, el cual esté dado por:nls combinatoric 189 -0-0-0— | =[S]-—& . [2] Ae ayes + Las monedas seleccionadas podrian ser las siguientes: 1234, 1235, 1236, 1245, 1246, 1256, 1345, 1346, 1356, 1456, 2345. 2346, 2356, 2456 y 3456, esto es, 15 formas diferentes Ejercicio 5.10 Lina preseleccion de futbol esté formada por 25 jugadores. ;De puede el entrenador integrar un equipo de 11 jugadores? ntas formas diferente Solucién: + El numero de combinaciones posibies de un total de 25 jugadores, tomados de I] en II. esti dado por: Combinaciones de w objetos tomados de ren = C, LSS1121 X 10° (39 916 800)18.717829 x 10") = 4457 400 Ejercicio 5.11 En un ejército hay 20 000 soldados y de ellos se van a seleccionar 100 para una misién es pecial. De cusnias formas diferentes se pueden seleccionar fos 100 soldados? i Solucion: + El niimero de combinaciones posibles de un total de 20 000 soldados tomados de 100 en 100 esta dado por | Combinaciones de mabjeastomados de ent 20 000] = ____(20 000)" __ 100 § 1001.20.00 - 1001 120:000).19 999)... 119 90119 900) TO0%19 900") 200001119 999)/.,..19 901) UVéase nota al final oor del ejarcicioy 12,0000 _10%9(1.9999 105)... )U.9901 x 104) Too!C—C-C— 160 Probability estadistie, $a (2.0000)(1.9999)...)(1.9901 (10%) 9.3326 % 107 9.8931 X 1010! 10" 9.3326 x 10" 8931 x 10" x 1 9.3326 = 1.0601 10" Nota: La multipicacin directa de todos los valores del numerador excede la capacidad de una calculadora comin, ¢ incluso la de una computadora, pero esto puede evitarse si se reducen los valores numéricos. aplicando las reglas de los exponentes: por ejemplo, ct = (a?) la) B} factorial puede obtenerse en la tabla de los anexos. Multiplicaci6n de combinaciones El autor no intenta ofrecer un estudio exhaustivo del tema, sino slo presentar las situaciones mas comunes. El siguiente ejercicio muestra una de ellas en la que es necesario multiplicar los resultados parciales de dos combinaciones, Ejercicio S12 De un total de S hombres y 4 mujeres se formard un comité de 3 hombres y 2 mujeres, ;De cusintas formas puede quedar integrado? Solucion: * Suponga que se selecciona primero a los 3 hombres (el resultado seria el mismo si se selec clonara primero a las mujeres). EI primero de ellos puede ser cualquiera de los §. el segundo, cualquiera de [os 4 restantes, y el tercero serd cualquiera de los tltimos 3, El niimero de formas fed +4" 3 = 60. Para la seleecion de las mujetes: la primera podrd ser cualquiera de las 4 ¢ ta segunda, cualquiera de las 3 restantes. es decir, se ienen 4 3 = 12 formas diferentes + Para cada una de I 'as 60 formas de seleccionar a los hombres pueden darse cualquiera de las 12 Formas de selecci6 On de las mujeres, por lo tanto. el miimero total de formas ser: 60 + 12 = 720, Ejercicios para resolver en grupo 1. Cuando se tanz ‘an al aire dos monedas, las Formas en tas que pueden cer son: dos sellos. un dguila y un sello, o cero ag mine si se presenta tod iguilas y cero ilas y dos selos. Lance al aire dos monedas 30 veces y deter- las las formas posibles, {En igual nlimero de veces’? > Stun moneda se lana a are 3 veces. ls formas en ls que pede caer son AAA, AAS, ASA. ASS. SAA, SAS. SSA SSS 1A es dguila y Ses sello), Realice este experimento 40 rece, y determine si S€ presenta todas las formas previstas, En igual mimero de veces?itis combinatoro 61 0-0-0 3. EE indice de precios y cotizaciones (IPC) de la Bolsa Mexicana de valores (www:bmv.com.mx) representa el valor de una muestra representativa de empresas. y cambia continuamente, conforme ‘cambian los precios de las acciones de dichas empresas, Por otra part, las acciones de una empre sa tepresentan una fraccidn del valor de ésta,y suben 0 bajan de precio de acuerdo con la percep cin de los inversionistas (compradores y vendedores). Obtenga y analice e} IPC y el valor de una saccidn de una empresa durante 10 dias hibiles consecutivos para determinar cudnos de esos dias se Presentan los siguientes casos: IPC sube, accién sube; IPC sube. aecidn baja: IPC baja, accién sube. e IPC baja, accion baja. Ejercicios propuestos 1, (De cuantas formas diferentes pueden ocuparse una gerencia y una subgerencia si existen ocho candidatos que pueden ocupar indistintamente la gerencia o la subgerencia? 2, En un zooldgico se exhibirdn en ocho jaulas cinco leones numerados del 1 al 5 y tres tigres numerae dos del 1 al 3. ;De cusintas formas diferentes pueden colocarse? :Si Jos tigres deben estar en jaulas continua, (de cudntas formas podrén exhibirse los leones y los tigres? 3. Un cono de nieve se forma colocando al azar, una sobre otra, tres bolas de nieve diferentes de un total de ocho sabores disponibles. ,Cudintas formas diferentes pueden crearse? 4) Considere que un cono es diferente de otro con los mismos sabores, si tos estan en posiciones diferentes, +) Considere que un cono es jgual a otro con los mismos sabores, aunque éstos estén en posiciones diferentes. 4. En una caja hay 39 esferas, marcadas con Jos mimeros del } al 39. Si se toman al azar 6 esferas, diga cudntas formas diferentes pueden resultar: 4) Si se considera el orden de aparicisn, +) Sino se considera el orden de aparicion, 5. Una pintura abstracta se forma mezelando al azar tres ltros de pintura diferentes de un total de ocho colores disponibles. ;Cudntos colores diferentes pueden crearse? 6. Un pastel puede elaborarse con tres tipos de harina diferentes, con 0 sin nueces, con cinco tipos de beutin. y adornado con una o doce flores, o sin ellas. ;Cusintas variedades de pastel pueden elabo- 7 Las placas de un tipo de vehiculo se forman mediante tres digitos. excluido el cero en la primera ny el cero y el uno en latercera, ,Cuimtas placas diferentes puede contener esa serie de pli 8. Las placus de un tipo de vehiculo se forman mediante tres digitos seguidos de dos de tas 27 letras, del alfabeto, a condicién de que no se presenten tres digitos iguales o dos letras iguales. ;Cudntas placas diferentes puede contener esa serie de placas?—C-C-C— 162 Probabilidad y estadisticg§ ———____?_?_?_?_—_$______ 9. Un sistema generador de nimeros clave utiliza la siguiente escala para convertir en un ntimero las. tres letras iniciales de una persona. El niimero clave se forma multiplicando el valor de la primera inicial por 729: multiplicando el valor de la segunda inicial por 27 y sumando esos dos resultados al valor correspondiente a la tercera inicial (por ejemplo, OSC = 16 © 729 + 20+27 +3 = 12207). {Cuintas claves diferentes se pueden generar? ;Cusl es el valor mayor y el menor que pueden tomar los ntimeros clave? laletcloletri[colu tftuiw r|2 4 z\|s8 Vo fas [a i ofeploleis |riu y{z 1S. 16 17 18, 19 20 2) 2 | | 26 27 18, Un sistema generador de nimetos clave utilizara una escala para convertir en un niimero las tres letras iniciales de una persona. Si se utiliza las 27 letras del abecedario en todas las formas posi bles (por ejemplo: ABC.... RWE.... MXE.. et), eudntas claves diferentes se pueden generar?fe} 900° Estudio basico 0° de probabilidades eat Ea cat ‘ho popular, a Dado verde 5 1 2 3 4 5 6 1 ¢ c c a a 2dc c ¢ a a 3 + a | 3 ¢ ¢ ¢ a a 4 ¢ c | ab ab 5 c c ¢ jabe] c¢ | abe 6 ¢ ¢ i ¢ abe ¢ abeO-0-O- 164 Probabilidad y estadistica WH Estudio basico de probabilidades El concepto intuitivo de la probabilidad, por medio del cual una persona toma decisiones sin la certeza dle que acurran todos sus supuestos, ¢s la base de un estudio sistemitico que permite incrementar el grado de confianza que se puede tener en una decisién, La probabilidad (relacidn entre el nimero de resultados de éxito respecto al total de resultados posi bles) puede ser objetiva o subjetiva. La primera es resultado de célculos, mientras que la subjetiva solo refleja la percepcidn de quien la emite. La probabilidad objetiva, bajo el enfogue clisico, supone que todos los eventos tienen la misma probabilidad de ocurrit. Esta es la relacién entre ef nimero de eventos sefialados como exitosos, res. ecto al total de eventos posibles: por ejemplo sien una caja hay $0 manzanas y 200 naranjas. la pro- buabilidad de que al tomar una fruta ésta sea manzana es: Probabilidad (mancana) = Nitero de mancanas en la caja Total de frusas en ta caja 30. 50+ 200 ~ 250 1 3 02 La probabilidad objetiva bajo el enfoque de frecuencia relativa define lt probabilidad como la rela- Cin entre el nimero de eventos favorables obtcnidos, respecto al total de intentos: por ejemplo, si de luna caja que contiene manzanas y naranjas se han tomado 80 frutas y de éstas 15 han sido manzanas, se deduce que, al sacar una fruta de esa caja, la probabilidad de que sea manzana es Mimero de eventos exitosos. Probabilidad (mancano) = eee) Total de intentos go 701875 ‘La probubilidad subjetiva o de juicio personal es una forma de cuantificar, por medio de factores de Ponderacisn individuales. la probabilidad de que ocurra cierto evento, cuando no es posible cusntifi, carla de otra manera més confiable. ico | ~ Enfoque cl Objetiva — | Tipos de L Enfogue de frecuencia relativa probabilidad Subjetiva o de juicio personal ‘Ca formula basica de la probabilidad es la siguiente: en ella. el nimero de eventos exitosos puede “er 0-1, 2.etc.. por lo que Ia probabitidad serd siempre igual o mayor que cero. es devit, P = i 5 . | Propabitidad = -Nitmero de eventos exitosos Total de eventos N } {a probabilidad puede expresarse también en términos de porcentaje, io cual puede resultar més Somprensible, En el ejemplo del parrafo anterior, 0.1875 puede multilicarse por 100 para obtener al poreentaje de probabilidad. es decir. 0.1875 « 100 = 18.75Estudio bdsico de probabilidades. 165 ~O-~O-O— En cualquier caso, es fundamental que la suma de las probubilidades de todos los eventos posibles (x) seat o 100% | R= eo ie e a escala de la probabilidad 7 —— =| wos > bane vac sii wa 2 ores i as] ocntne ncaa aterm di 238) os | seit 0 58, | | os | 6 hn gi 2 woes), C4 Otra consideracisn importante es que si fa probabilidad de que ocurra en evento es p, la probubili= dad de que no ocurra es 1 = p. Continuando con ef mismo ejemplo, si le probabilidad de que la fruta sea manzana es 0.1875, la probabilidad de que la fruta no sea manzana es 1 ~ 0.18 8I 8125. Este altimo valor es equivalente a i. <— Si p = Probabilidad (éxito) y = Probabilidad «fracasoy. | a entonces g = 1-p — Tipos de eventos Un evento es el resultado posible, o a servado, y es la minima unidad de upo de resultados posibles, de un experimento 0 proceso ob- ndlisis para efectos de cailculo de probabilidades. Los eventos pueden clasifi se de le siguiente forma’ * Muruamente excluyentes o disjuntos. Aquellos que no pueden acutrir al mismo tiempo. por ejem= plo. que un il 100.00 y de $500.00, 0 que una persona chifle y comma pinole.C-O-C— 166 Probabilidtad y estadstiea A mA@$aaApa$a$apa$ap a + Independientes. Estos no se ven afectados por ottos, por ejemplo, el color de mis zapatos y la probabilidad de que llueva hoy en la tarde. + Dependientes. Cuando un evento afecta la probabilidad de que suceda otro: por ejemplo. si un trabajo se hace descuidadamente, es mas probable que resulte mal. + No excluyentes entre sf, Cuando la ocurrencia de uno de ellos no impide que suceda también otro, por ejemplo, que una persona sea doctor y que tenga mis de 35 aios. Los eventos pueden presentarse también en formas més complejas. por ejemplo, dos o més eventos mutuamente excluyentes pueden ser dependientes de que ocurra otro evento, Estos casos requieren de un estudio més avanzada. ——_TPOS DE EVENTOS let de $500.00 siete de $200.00) { fvetos mutuamente exuyents Eventos no exuyetes ene s Femplo rie bile Segundo ite Una aa conee vars bile de (= is10000| e000) Si 850000) S000 + pisia.9) ——|— Pissonoo stano0) Siseextaede ela un bile la — P0000 S000) | Probbiade eq sea 10000, -— Pison¢o i sc000) $5000 0 20000 rose ates parningin —« pasopeq) | paspnenSs009 ‘tro even, nero siya se sac de ca 1 famon ssa) nbiletey esac oto dei, as probabil de ue et sea de $1000, [ Piitanon fannon) + sszeno9 ——{— prsoon na, $820000 S000 depend de denomiin 2pm ete at aaa Gea ‘size 20090 (bc 15) mocap Geant Lats yeas Independents dependents, PSabIAS que... [a proabilidad puede vilizarce para countlicar conllana de que un hecho ocurra en el Faro). ode ue haya ccurido (en el pasudoy Por ejem blo: Cuil esta probabidad de que mi equipo favontogane el pros sao? oo €s la probabilidad de que haya aprobado el examen, s\ contest ten alo? Suma y multiplicacién de probabilidades (uando el enunciada de un problema de probabilidad tiene como condicién que se presenten uno u fire evento —por ejemplo. un billete de $500.00 0 uno de $200.00, un alumno de inglés 0 de francés. {s probabilidad total se forma por la sum directa de las probabilidades individuales «i los eventos son mim mantente exclusentes, esto es, P(A 0 B) = P(A) + P(B). En el caso de eventos no excluyentes entre wf debe considerarse ue to probabilidad de que ocurran ambos eventos est incluida en ellos. por lo due debe restarse esa probabilidad de la suma directa, esto se conoce como Regla general de la euma de probabilidadles y se expresa de Iu siguiente forma: PA 0 B)= P(Ai + PLB) Pid y B) Cuando el enunciado de un problema de probabilidad tiene como condicigin que se presenten uno y 2ure evento —por ejemplo. un billete de $500.00 y uno de $200.40). un alumno de inglés y de francés. sbilidad (otal se forma por la mulkiplicacign directa de las probabilidades individuales si IosEstudio bésico de probabilidades 167 —-Q~Q-O— eventos son independientes, esto es, P(A y B) = P(A) * P(B). $i los eventos son dependientes, deben considerarse las probabilidades de que ocurra un segundo evento, si ya ocurrid un primero, esto se conoce como Regia general de la multiplicacién de probabilidades y se expresa asi: P(A y By P(A)* P(B/A) 0 P(By A) = P(B) * P(A/B). P(A B) indica la probabilidad de que ocutra el evento A. si se sabe que ya ocurris el evento B. P(B/ A) indica la probabilidad de que ocurra el evento B. si se sabe que ya ocurtis el evento A. Los conceptos anteriores se aplican en los ejemplos que se muestran en las siguientes paginas SUMA Y MULTIPLICACION DE PROBABILIDADES Regla general de la suma de probabilidades Para eventos mutuamente excluyentes; P(A0B)= P(A UB)= P(A) + PLB) Para eventos no excluyentes entre si P(A 0B) = P(A UB) = P(A) + P(B)- Play BY = P(A) + P(B)— PAD B) Para eventos complementarios: P(A’) = 1 — P(A) General de Ia Muhiplicacién de Probabilidades Para eventos independientes: P(Ay B)= PIA B)= PiA+ PLB) Para eventos dependientes: P(BYA) P(B)* PALB) Nota: La“o” significa uniGn y se representa como U. -a interseeci6n y Se representa como 1. Eventos mutuamente excluyentes Los eventos mutuamente excluyentes o disjuntos no pueden ocurrir al mismo tiempo; es uno u otro. Vea el siguiente ejemplo. Qe 6-1 Una caja contiene 6 billetes de $500.00, 3 de $50.00 y I de $100.00 Determine la probubil dad de que. al extraer al azar uno de éstos. éste sea de $100. Solucién: + La formula basica de probabilidad es: Numero de eventos exitosos Total de eventos | Probabilidad = Probabilidad \billete de 8100.00) = —Nemero de billetes de $100.00 _ Toral de billetesO-O-C— 168 Probabilidad y estadistica a Eventos independientes Los eventos son independientes cu: fando no se ven afectados por otros, tal como se muestra en el si: iente ejemplo, Ejercicio & contiene 6 billetes de $500.00, dad! de que, al extraer al azar uno de éstos, Solucién: * los eventos son independiente. ta probabilida total es la sumo de las probabitidades indi- iduales, por lo tanto, i Probatitiaaal,Pillete de $50.00 Probabilidad —_— Probabilidad Mw""N over de $100.00) * (itere de 850.00) Ubillete de $100.00) Nimero de Numero de illetes de $50.00 | billetes de $100.00 Total de billetes Total de billeres =03+0.1204=40% Solucicn alternativa: [biltete de $50.00} Provabitidad Pre Se) Probabilidad (bitlete de $500,00) Niimero de billetes de $500.00. Total de billetes Eventos dependientes Cuando un evento afecta le probabilidad de que suceda otro, se dice que uno e pendie les: por ejemplo, si un trabajo se hace de 's dependiente del otro. Cuidadamente es mas probable que re.Estudio basico de probabilidades 169 -Q-O-O— Ejercicio 6.3 Una caja contiene 6 billetes de $500.00, 3 de $50.00 y 1 de $100. Determine la probabilidad de que, al extraer al azar dos de éstos, ambos sean de $500.00, Solucién: + Para que se cumpla el enunciado, el primer billete debe ser de $500.00. Este evento tiene co- ‘mo probabilidad la siguiente: primer billete \ __Nimero de blletes de $500.00 Prater de 850000) ~~ Tet de Billets onl cae ; -4206 : “10> También debe ourir que el segundo billet sca de $5000. Este evento tiene como probit: dad la siguiente ‘segundo billete\ _ __Nuimero de billetes de $500.00_ Pratt rae sa. 00) = Told ieee 0. Observe que el cileulo de la probabilidad incluye el hecho de que ya se extrajo de la caja un billete de $500.00, La probabilidad de que los dos eventos dependientes se presenten simulténeamente es la mul- tiplicacién de tas probabilidades de ambos eventos, esto es, : Primer Segundo Primer 7 Segundo 4 probadititad | ‘bitere —y bitere |= Probabiidad | ratce } 9 [ Bilere : de $500.00” ae $500.00 ae $500.00) ” [ae 8s00.00 (26)10.8886) #0333 i Eventos no excluyentes entre si Cuando la ocurrencia de un evento no impide que suceda también otro, se dice que los eventos no son excluyentes entre si por ejemplo, que una persona sea doctor y que tenga més de 38 ahos Para el entendimiento de este tipo de eventos es conveniente considerar el concepta de conjuntos. cuya teoria fue desarrollada por ef matemitico ruso Georg Cantor (1845-1918), Un conjunto es un grupo de elementos con una o varias caracteristicas comunes. por ejemplo un srupo de estudiantes. y puede presentarse solo o con otros conjutos. por medio de cireulos dentro de lun rectingulo. en un figura conocida como diagrama de Venn, En estos parafos se consideran s6lo los conjuntos disjunios y los superpuestos, Jos cuales pueden explicarse por medio de los siguientes ejemplos:=C-C-O- 170 Probabilidad y estaciica Conjunto de billetes de $500.00 += Conjunto de billetes de $200.00 Billetes de otras denominaciones C= Automsviles blancos Automoviles de 4 puertas Automéviles blancos de 4 puertas Automéviles no blancos que no tienen 4 puertas Automoviles no blancos con 4 puertas | ~ Automéviles blancos que no tienen 4 puertas Universo de automéviles Conjuntos superpuestos Sabias que... [as enicas de compresion de archivos de Computadora ie crementan el promedio de datos por unidad de memoria, pero al mismo tiempo aumentan !s probabilidad de conflictos de acceso? Es necesario mantener un balance entre esos con, ceptos. de manera que el promedio sea el correcto, para lograr un adecuado funcionamien- to de los archivos. Ejercicio z 64 Deun grupo de 45 estudiantes universitarios, 28 estudian inglés y 16 estudian francés, ade i ims de que 12 no estudian idiomas. Prepare un diagrama de Venn que ilustre esta situacién, ¥ determine la probabilidad de que, al entrevistar al azar a un alumno di inglés y francés, Solucisn: + Dutos para el diagrama de Venn ‘Mimero de estudiantes de ambos idiomas: = Estudian | Estudion No estudion ni Tora de + = inglés francés ~ inglés ni francés ~ estudiantes 28+ 16+12-45=11 Mimero de estudiantes séto de inglés Mimero de estudiantes de inglés ~ Estudiantes de ambos idiomas =2-M=17 Niimero de estudiantes solo de francés: Niner de estudiantes de francés ~ Estudiantes de ambos idiomasEstudio bisico de probabilidades 171 ~Q-Q-O— + El diggrama de Venn es el siguiente: wg acs u Ning ni faces: 72 + La formula bisica de la probabilidad es: Niimero de eventos exitosos _n eee Total de eventos N Nimero de estudiantes de ambos idiomas Probabilidad (ambos idiomas) = oa atheoms= mse 5 Otros conceptos Ademas de los conceptos ya estudiados, es necesario considerar el espacio muestral, los arboles de probabilidad y 1a esperanza matemitica. El espacio muestral consiste en la identificacién de todos los resultados posibles de un proceso 0 experimenta, y puede presentarse por medio de una lista. una ma. riz u otras formas. El arbol de probabilidad es otra forma grafica de presentar todos fos resultados posibles de un proce- S0-0 experimento. Por su importancia en el estudio de las probabilidades, agut se presenta por separado. La esperanza matematica es una medida que facilita la comparacién entre dos 6 mas alternativas, al obtener para cada una de ellas la sua de cada uno de sus eventos posibles. ponderados por la probabilidad de que ocurran, Estos conceptos se presentan y aplican en los siguientes ejemplos. Espacio muestral El conjunto de resultados posibles de un proceso 0 experimento, por ejemplo las caras posibles que resulten al fanzar un dado de 6 caras (1, 2, 3, 4, 50 6), se conoce come espacio muestral, Este concepto &s fundamental para cl estudio de la probabilidad, porque define todos los eventas que pueden resultat de un proceso o experimento. El espacio muestral de dos eventos independientes (por ejemplos, un dado rojo y uno verde) puiede resentarse por medio de una matriz de eventos, en la cual sus renglones y columnas muestren los re- Ssultudos de cada evento. Cada posicidn o celda de la matriz representa un resultado compuesto por dos eventos individuales, por ejemplo dado rojo en 3 y verde en 5,¥72_ Probabilidad y estadistica $$$ $$ El espacio muestral puede ser también de variables continuas, como lo indican las siguientes figuras: Tea arbie ‘id ain Ejercicio 6.5 Defina el espacio muestral (por medio de una matriz de eventos) del lanzamiento simulté neo de un dado rojo y uno verde, y determine las siguientes probabilidades: a) El dado verde es 406 1) El dado verde es 4 0 6, y el rojo es mayor que 3 ©) El dado verde es menor que 4. 0 el rojo es mayor que 4 Soluci + Datos para el espacio muestral: Tanto el dado rojo como el verde pueden caer en cualquiera de sus seis caras, por lo cual la max Liz serd de seis renglones (para el dado rojo} y seis columas (pura el dado verde), Dado verde ‘lz2[3]a[s]e Teen ene . ; 4 el2fe «fa @ i slalelel<]e ¢ : 3 7 ala[7 lls [we a | [3 [Te Te [oP « pore cecal aie |e | abe | al férmuta bésica dela probahiidad es: Probebitida) = Niimere de eventos extosox i Total de eventos WN$$ Estrtio bstsico de probabitidaces 173 O-O+0~ + @) P (El dado verde es cuatro 0 seis) De las 36 posiciones de la matriz, en doce el resultado es dado verde en cuatro 0 seis, por lo que la probabilidad es 12/36, es decir, 1/3 0 0.333. + b) P (El dado verde es cuatro 0 seis y El dado rojo es mayor que tres) De las 36 posiciones de la matriz, en seis el resultado es dado verde en cuatro o seis y dado rojo mayor que tres, por lo que la probabilidad es 6/36, es decit, 0.167 0 16.7%, + ©) P (El dado verde es menor que cuatro 0 El dado rojo es mayor que cuatro) De las 36 posiciones de la matriz, en 24 el resultado es dado verde menor que cuatro o dado rojo mayor que cuatro, por lo que la probabilidad es 24/36, es decir, 0,667 0 66.7% Arbol de probabilidad Un dirbol de probabilidad es una grifica que presenta los resultados posibles (opciones) de un evento (sujeto activo), asf como la probabilidad de cada uno de ellos. Dado gue se analizan todos los result dos posibles, la suma de sus probabilidades debe ser I (0 100%). Esto debe cumplirse en todas las ramas del arbol, Ejercicio 6.46 Una fébrica de alfieres logra una produccidn con slo 1%: de afileres defectuosos, Prepare un drbol de probabitidad para dos alfileres que se toman aleatoriamente Son + Las ramas izquierdas del arbol de probabilidad presentan los resultados posibles (opciones del primer evento (sujeto activo, tomar un alfiler) y las probabilidades de que ocurran. Las ta ‘mas derechas presentan los resultados posibles (opciones) del segundo evento (sujeto activo, (omar otro alfiler y las probabitidades de que ocurran, suponiendo que ya ocurrié el primer evento (14% de defectuosos equivale a 0.01, los no defectuosos son e! complemento a 10 100%. es decir, 0.99 0 99%), Primer alfiler ‘Segundo alfiler Defectuoso Defectuoso Probabilidad = 0,01 Probabilidad = 0.01 Bueno Probabilidad 0.99) | Defectuoso Bueno Probabilidad = 0.01 Probabilidad Bueno Probabilidad = 0.99,O-O-O= 174 Probab y estate A$p$pa + Probabilidades de los resultados posibles: Probabilidad (defectuoso, defectuoso) = (0.01) (0.01) = 0.0001 Probabilidad (defectuoso, bueno) (0.01) (0.99) = 0.0099 Probabilidad (bueno, defectuoso) = (0.99) (0,01) = 0.0099 Probabilidad (bueno, bueno) = (0.99) (0.99) = 0.9801 ‘Suma de las probabilidades de todos los resultados posibles: = 0.0001 + 0.0099 + 0.0099 + 0.9801 = 1.0000 = 100% Observe que el resultado de la multiplicacién de probabilidades es siempre menor que las probabilidades que se multiplican, pues éstas son siempre menores que 1 Esperanza matematica Con frecuencia es conveniente calcular el promedio de los resultados de un proceso o experimento, Ponderado por la probabilidad de que suceda cada uno de los resultados posibles. Aeeste promedio se le conoce como esperanza matemética y permite, entre otras cosas, comprar dos o mis alternativas; por ejemplo, ;qué es mejor: una probabilidad de 0.001 de ganar un contrato de 33.000 000,00, o una probabilidad de 0.002 de ganar un contrato de $2 000 000.00? Ejercicio 6.7 Una caja contiene 6 billetes de $500.00, 3 de $50.00 y 1 de $100.00. Determine la esperanza matemaética al extraer al azar un billet Solucién: * La formula para calcular la esperanza matematica es: tl Esperanza matemética = suma (Cada evento * Su probabilidad) oe ecemmeaeaes ll em= axe) En este caso, los events y sus probabilidades son: 6 2 1 00.00) = £ 50.00) = ‘ a Y= 59 PS80.00)= 55 PxS100.00)= POs Por lo tanto: EM= 00.00 ( + 0.00 (=) + s100.00( 4.) = 5300.00 + $15.00 + $10.00 0 ‘Observe que la esperanza matemidtica es, en este caso, el promedio de valor de los billetes,)Estudio basico de probabilidades 175 -O-O-O- Ejercicio 6.8 En un sortco se ofrecerdn 6 premios. uno de $1000.00, dos de $500.00 y 3 de $300.00. Su- poniendo que se distribuyan los mil boletos del sorteo, y sin considerar gastos de adminis- tracién u otros, ;cusinto debe costar cada boleto para cubrir ef costo de tos premios? Solucién: + Costo unitario de los premios por cada boleto Total de premios ‘Mimero de boletos 1($ 1000.00) + 2($500.00) + 3($300.00) 1000 (Observe que ta esperanza matemitica es, en este caso, el costo unitario de los premios de da boleto.) Ejercicio 6.9 Se ha determinado que el proyecto A tiene los siguientes resultados posibles, asf como las probubilidades de que ocurran cada uno de ellos: Resultado Ganar $500,00 | Ganar $300.00 | Ganar $100.00 | Perder $700.00 Probabilidad 0.15 0.85 ous 0.25 EL proyecto B puede dar como resultado Jo siguiente: Ganar | Ganar | Ganar | Ganar | Perder Resultado 900.00 | $500.00 | $200.00 | si0000 | $700.00 Probabilidad 0.10 025) ois | ons | 038 + Caleule la esperanza matematica de cada uno de los proyectos y recomiende el mas conveniente Solu + La formula para caleular la esperanza matemética es Esperan a matemditica = sua (Cada evento + Su probabilidad)O-O-G— 176 Probability estate| APAP@m@$@$ pa | ew= Dap) | a Para el proyecto A: EM = ($500.00) (0.15) + (8300.00) (0.45) + ($100.00) (0.15) + ($700.00) (0.25) = $75.00 + $135.00 + $15.00 + ($175.00) = $50.00 Para el proyecto B: EM = ($900.00) (0.10) + (8500.00) (0.25) + ($200.00) (0.15) + ($100.00) (0.15) + (-$700.00) (0.35) = 390,00 + $125.00 + $30.00 + $15.00 + (-8245.00) = $15.00 + El proyecto mis conveniente es el A Probabilidad conjunta La proporcién de resultados exitososrespecto al total de resultados posibles, conocida como probabilidad simple. es Ia forma mas sencilia del céleulo de probabilidades, pues se refiere a uno de le recut, dos posible de un proceso o experimento Por otra parte. Ia probabilidad compuesta 0 con- Simple junta es a probabildad correspondiente uneven | ge qe | "0 compuesto por dos 6 mas eventos, por ejemplo la L Compuestao conjunta brobabiidad de que al lancar un dado y una mone- | probabiidad le 4a, el dado caiga en 3 y la moneda en éguila ‘Ademés de las anteriores, la probabilidad condi- ional s la probabilidad correspondiente a un evento, si se sabe que ya ocurri6 otro evento del cual depende el primero, por ejemplo ,cudl sera la probabilidad de que llueva, si el dia est4 nublado? La probabilidad simple y Ia conjunta se estudian en este capitulo, mientras que le probabilidad cone Aicional es materia del siguiente capitulo, Condicional Poblaci6n infinita El tipo de pobl conjunta de dos dad de un event scion (infinita o finita) es un elemento importante para el caleulo de le probabilidad * © mis eventes. Sila poblacién es infinita 0 por lo menos muy grande, la probabil #0 no se afecta por los resultados previos de éste, Por ejemplo: sila cara 3 de un dado sys gle come probabilidad de ocurrir. esta probabilidad se conserva constante,independientemente P (2 puertas) = | - 0.5526 = 0.4474 P (blanco) = 21.27 % "7 + P (Otro color) = 1 = 0.2127 = 0.7873 P (A puertas, blanco) = 59.77% = 0.5977 Este altimo valor (0.5977) se refiere s6lo a los autos blancos, los que representan el 21.27% (0.2127) de todos los automéviles. por lo que el porcentaje de avios de cuatro puertas y blan- P (4 puertas, blancos) = (0.5977\0.2127) = 0.1271 = 12.71% Si el total de autos de cuatro pnertas es 55.26%. y los autos blancos de cuatro puertas son el 12.719, tos autos de cuatro puertas de otros colores serdn 55.26% — 12.71% = 42.55%. Siel total de autos blancos es 21.27%, y los autos blancos de cusitro puertas son el 12.715 los autos de dos puertas blancos seri el 21.27% ~ 12.71% = 8.56% Si el total de autos de dos pueras es 44.74% y los autos blancos dle dos puertas son el 8.56%. los autos de dos puertas de otros colores son el 44.74 % — 8,56% = 36.18%. Los datos y resultados obtenidos se presentan enseguida: I Concepto. | 2puertas | 4puertas | Tout Colorblaneo | 8.56% 21.27% Otros colores | 36.18% 78.13% | : Total | sare | 55.26% | ro000% Dado que ¢! total de autos es 409, al multiplicar Ia tabla anterior por 409 se obtiene el némer de €stas, Concepto 2puertas | 4puertas | Total Color blanco 52 87 Ours colores 148, 114 322 Total 183 226 409 ia Ejercicios para resolver en grupo + Por medio de una encuesta, determine cuinios de sus compaferos de clase tienen un empleo. intos han solicitado empleo pero ain no lo tienen, y cudnios no han solicitado empleo. Prepare tuna tabla cle contingencias para determinar las probabilidades que resulten,Probabilidad condicional_ 195 ~Q-O-G— 2. Con el permiso de la institucién y con la participacién de varios de sus compaferos de clase, entreviste a 100 clientes de un banco para investigar si éstos tienen automévil y /o tarjeta de crédito. Con los resultados obtenidos, determine si existe relacién entre esos dos conceptos. Realice el ejercicio a la salida de la escuela Consulte, en ta secei6n de anuncios de venta de automéviles de un periédico importante, cuintos automéviles se ofrecen, de hasta 5 aos de uso y de mas de 5 afios de uso, en los colores, azul, rojo y otros. Prepare una tabla de contingencias para determinar las probabilidades que resulten. Algunos periédicos que cuentan con anuncios vfa Internet son: www elnorte.com, \ww:cluniversal.com.mnx y www. informador.com.mx, 3 Ejercicios propuestos 1. Un muestreo de las cuentas de un banco produjo la informacién que se muestra enseguida. Elabore un diagrama de Venn para presentar esos resultados, Cliente | Cliente Coneepto moroso | cumplido Cliemte con capacidad econémica alta 63 285 Cliente con capacidad econémica baja. | 232 497 2. Un muestreo de las cuentas de un banco produjo la informacién que se muestra enseguida, Cliente | Cliente Concepto moroso | cumplide Cliente con capacida econémica alta 63 Cliente con capacidad econémica baja | 232 a) Si se selecciona al azar a un cliente moroso, ,cual es ta probubilidad de que su capacidad econéimica sea baja? by Si se selecciona al azar a un cliente cumplido, ;cudl es la probabilidad de que su capacidad econsimica sea baja” 3. Un estudio de accidentes en una carretera revelé las cantidades que se presentan enseguida, Determine la probabilidad de un accidente: 6), Sise conduce un automévil de color claro. 1) sise conduce un automévil de color oscuro. ) Ia probabilidad global de sufrir un accidente. Evento | Autocolor claro | Auto color oscuro Accidente teve | 8 28 | Accidente grave 8 Sin accidente i 4. Una persona vacaciona el 20% de Jas veces en Morelia. ef 35% de las veces en Veracruz y el sesto en Acapulco, En Morelia dedica el 80%% del tiempo a visitar museos, En Veracruz. el 40% el tiempo lo pasa en la playa. y en Acapulco dedica el 70% del tiempo i esa actividad.C—C—CH 196 Probablidady estaisties a 4) Si se sabe que la persona fue ala playa, ,cudl es la probabilidad de que haya ido a Acapulco? ») Si se sabe que la persona no fae a Ta playa, ;cusl es la probabilidad de que hay ido a Morelia? 5. E1.58% de las ventas de una empresa son de ropa, el 19% de ealzado y el resto de perfumeria. El 224% de sus ventas de ropa y el 35% del calzado son de exportacidn. Si la empress tiene ventas anuales de $685000,00: @) (Cuil es! total de ventas de exportacién? ») Sila empresa perdiera su mercado de exportaciGn de calzado, gen cusinto se reducirfan sus ventas anuales? 6. La probabifidad de Huvia en una region es del 30%. Si llueve, la probabilidad de concluir a tiempo una carretera en esa regidn es del 65%. y si no Ilueve, esa probabilidad seria del 90% Determine Ja probabilidad de que se termine a tiempo la construccidin de esa carretera, 7. En una huerta hay 1000 deboles, de fos cuales 760 son de manzana y los demés son nazanjos, Los drboles de fruta para jugo son 650 (hay 350 drboles de fruta para mesa), y de éstos 450 son manzanos. Determine la probabilidad de que, al seleccionar al azar un arbol de manzana, éste sea de fruta para jugo 8 Un estudio revel6 que de Jos accidentes automovilisticos, el 40% de ellos ocurren & pasajeros con cinturén de seguridad y el 60% a pasajeros que no utilizaban el cinturdn. Por otra pure, los aceidentes con lestones son el 30.4% del totaly. de éstos, 1.32% ocurren a personas que ulizaban cl cinturén de seguridad en el momento del accidente, Determine lu probabilidad de que una Persona involucrada en un accidente sufra lesiones si leva puesto el cintunin de seguridad 9. Un fabricate compra el 734% de su materia prima (resortes) del proveedor X, quien produce Con el 1.7% de defectuosos. El resto del material lo compra al proveedor ¥. quien produce con cl 2.5% de defectuosos. (Cusl es la probabilidad de que. al tomar al azar un resorte defectuoso, 6ste sea del proveedor X? 10. £1 34.05% de os toros de un rancho ganadero son de color oscuro. Los toros de raza Hereford son el 23.86% del totaly de éstos el 81.46% son de color claro. Deduzea la clasficaci¢n original Por raza (Hereford u otras) y porcolor (claro u oscuro), sien el rancho hay 746 toros 1M. Para ira su trabajo, una person se transporta el 20% de las veces en autobis y las demés en automévil. Cuando viaja en antobis Hega tarde un 40% de las veces y cuand viaja en automovil Hega tarde un 10% de las veces. Si un dia cualquiera leg6 tarde, ceudl es la probahilidad de que haya Viajado en aut 12. Una compatiia minera ha observado que, cuando existe una cierta estructura geoldgica, el 45% de las perforiciones resultan exitosas y e] 10% de las veces fallan, Por otra parte. cuando dicha estructura geologica no existe. las perforaciones fallan el 30% de las veces, La thtima perforacidn fue exitosa, {Cul es la probabilidad de que haya sido en un terreno con la referida estructura scoleigica? 13. Prepare un di rama de Venn con los resultados de una encuesta reatizada recientemente, re a algunas actividades recreativas de 385 estudiantes universitarios, para determinar cudntos tudiantes juesan tenis. cudntos estudian piano. y cudntos no practican ninguna de las ‘elividadles amalizadas n futbol y otras actividades n Futbol tinicamenie + 10 juegan futbol y tenis 5 ju san futbol y tenis y estuclian + 65 juey i tenis tinicamente + 20 juegan tenis y estudian pianowv 0°? ° f ° Capituto & 900° ° oo *°200000009° | 49000000... Sy 900°” Distribuciones 0° de probabilidad para variables discretasC-O-O— 198 Probabilidad y estadistica @8 Distribuciones de probabilidad para variables discretas Una distribucién de probabilidad es la relacidn entre Jos valores que puede tomar una babilidad que le corresponde. Esta relzcién puede darse explicitamente; por ejemplo, hay 5 canicas rojas, 7 verdes y 3 azules, la distribucién de probabilidad es 5/15 para las 7/15 para las canicas verdes y 3/15 pare las canicas azules, Enel caso de variables continuas, la relaciGn se maneja generalmente por medio de una funcidn matematica conocida como funcidn de densidad de probabilidad cuya integracién entre menos infinito (~») y infinito (+52) produce un area de un> (100%) Las distribuciones més comunes, tanto para variables discretas como para variables continuas, se estudian en este capftulo y en el siguiente. y se presentan a continuacién Dstribucién de probabildad Para variables diseretos | Paravariablescontinuas | | Disuibucién unfome Distbcion normal Distibcinhiegeoméia Disb de Pass | La distribuci6n uniforme La distribucin uniforme es aquetla en la cual todos los eventos simples tienen la misma probabilidad de ocurrir: por ejemplo. si una bolsa contiene 50 canicas rojas numeradas de la 1 a Ia 50, Ja probabilidad de tomar al azar cualquiera de éstas es 1a misma, Esto puede expresarse en forma general de la siguiente manera: Probabilidad = ———! | Ni ero de eventos | Ejercicio 8.1 Grafique la distribucién de probabilidad que resulta al lanzar un dado de doce caras. Solucion: * Cada una de las doce earas del dato tiene 1a misma probabilidad de aparecer. por lo que la probubilidad de cada una de ellas es 1/12. Probabilidad 1/12Disiribuciones de probabilidad para variables discretas 199 —Q-Q-O— Ejercicio 8.2 Grafique la distribuci6n de probasilidad que resulta al tomar al azar uno de los diez digitos, Solucion: * Cada uno de los diez digitos tiene la misma probabilidad de aparecer, por lo que la probabil dad de cada uno de ellos es 1/10. Probabilidad 1/10 A Lo 7 I TT Dito 1 2 3 4 5 6 7 8 9 0 Para divertirse un poco En un estacionomiento grande, recopile los nimeros de placas de por lo menos 100 auto: méviles, y grafique la distibucién de aquellos cuyas placas terminen en 1.0 2, en 3.0.4, en 506,en7u8,yen9o0. La distribuci6n simétrica La distribucién simétrica se caracteriza porque, a partir de un evento central de probabilidad maxima, la probabilidad de los demas eventos dism nuye gradualmente a un lado y otro. Este tipo de distribucién de probabilidad es el mas comtin, En el caso de variables continuas se le conoce como distribucién de probabilidad normal o campana de Gauss y se estudia en el siguiente capituto, Un poco més de diversién Lance dos dados juntos, por lo menos 100 veces, y grafique el nimero de veces que se presenta cada uno de los resultados posibles (2, 3, 4, ..., 12) de lo suma de las caras superiores de los dados en cada tirada. Ejercicio 8.3 Grafique Ia distribuci6n de proba>ilidad de la suma de las caras superiores de dos daclos dk cuatro caras que se lanzan simulténeamente. E Solucion: * Cada uno de los dos dados puede aparecer de cuatro formas diferentes, lo que se muest icamente a continuacin:TOTSO= 200 Probab y estates : Primer dado Segundo dado ‘Suma de Probabilidad : (cara probabitdad) (cra probabiidad) —lavearay "ell el a pemtas pis tts—t_, a hist s 4 pe ee a? t F2-t—+ 3 ba: $+3-} 5 fe | | beatae Q pi-ta+ og | nn fe i ee Se eed ee i | Boao i r2—-t—*6 3 i i 4—ix—s ¢ — So | Suma de las caras fatal 6$$ __ Disribuciones de probabilidad para varia es discretas 201 —S—Q—O— r A | 4 ° 6 | f a 3 | » 16 | r | | 2k 4 | | LL | 16 | a4 a 16 | oe oe Suma de las caras La distribucién binomial 0 de Bernoulli La distribucién binomial. planteada por el matematico suizo Jacob I. Bernoulli (1654-1705), es la mas sencilla de todas las distribuciones, pues sélo estudia procesos en los cuales Jos resuligdos posibles son s6lo dos, tienen probabilidades constantes, y son independientes entte si La variedad de casos en los cuales es apropiada 1a distribuciGn binomial es muy amplia, por plo; la seleccidn de un articulo en una prueba de control de calidad, el cer, eteétera 1 sexo de un nilio que est por na: Aplicabilidad de la distribucién binomial o de Bernoulli * Sélo son posibles dos resultados mutvamente excluyentes, conocidos como éxito y fracaso. * La probobilidad de éxito permanece constante durante todas las observaciones que se realizan. * El otal de observaciones posibles (o poblacién) es muy grande o infinito en relacién con el numero de observaciones (o muestra) que se realiza Los resultados son independientes entre si La probabitidad de ve un evento ocurra exactamente x veces al realizar n veces un proceso de Ber: noulli. en el cual la probabilidad de éxito es p y. en consecuencia la probabilidad de fracaso es | — p (conocida como g}, esta dada por la siguiente formula pe | En ella: Pa es la probabilidad de que suczdan exactamente + éxitos, en un total de 1 intentos ¥ esel mimero de Exitos deseado, escl ntimero de veces que se realiza la operacion la probabilidad de o} 1a probabilidad de obtener un fracaso, esto es, el complemento de p. «sea. 1 ~ p- yet un éxito—C-O-C— 202 Probabitidad y estadistles, AAA $$$ Observe que x puede tomar todos los valores enteros entre 0 y n, y que a cada uno de éstos corres: ponde un valor de probabilidad, Jos que al sumarse dan como resultado 1 (0 100%. Los ejemplos que siguen ilustran la aplicacién de estos eonceptos, Dos posibilidades Una joven meditaba mientras esperaba el transporte: gMe iré en taxi o en camién? Si me voy en taxi, no hay problema, pero si me voy en camién hay dos posibilidades: que me vaya parade © que me vaya sentada. Sime voy parada, no hay problema, pero si me voy sentada hay dos posibilidades: que me siente junto a una mujer 6 que me siente junto aon hom bre, Si me siento junto o una mujer, no hay problema, pero si me siento junto-a un hombre hay dos posibilidades: que le hable o que no le hable. Sino le hablo, no hay problema, pero si le hablo hay dos posibilidades: que nos haga: ‘mos amigos 0 que no nos hagamos amigos. Si no nos hacemos amigos, no hay problema, pero si nos hacemos amigos hay dos posibilidades: que nos hagamos novios 0 que no nos hagamos novios, Si no nos hacemos novies, no hay problema, pero si nes hacemos novies hay dos posibilidades: que nos casemos © que no nos casemos. Si no nos casamos, nc hay problema, pero si nos casamos hay dos posibilidadles: que fengamos hijos © que no tengamos hijos. Si no tenemos hijos, no hay problema, pero si te nemos un hijo hay dos posibilidades: que sea nifio o que sea nifia. Sies nifia, ne hay pro- bloma, pero sex nfo hey dos posiiidedes: que esoja un ofa pligcss © gue rs oe un oficio peligroso. Si no escoge un aficio peligroso, no hay problema, pero si escoge un ofcio peligroso hoy dos posibilidades: que pierda la vida en él o que no pierda la vida en él. Si ne pierde la vide en su oficio, no hay problema, pero si pierde la vida hay dos posibilidades: que se vaya al cielo © al inferno. Si se ve al cielo, no hay problema, pero si se va al infierno... uff qué calor... No quiero prablemas, mejo" me voy en tex Ejercicio 8.4 Gratique ta distribuci6n de probabilidad del ndmero de articulos defectuosos que podria | contener sina muestra de diez articulos. sila poblacién infinita de articulos tiene un porcen: taje de defectuesos del 35, Solucion: * La grifica de distribucié de protabilidad incluye los valores de probabilid wondien- 0. 1. 2,4 10 articulos defectuosos, Dichos valores se pueden obtener apficando la formula Liswibucisn binomialDistrbeciones de probabilidad para variables discretas 203 tener cuando mucho 3 veces el niimero 5. en 10 lanzamientos de un dado de 6 caras? Solucion: + El niimero de éxitos deseado es 0, 1, 2 0 3 (x < 3), la probabilidad simple de que ocurta el ni mero 5 es 1/6 (p = 1/6) y cl mimero de veces que se lanzard el dado es 10(n = 10), La aplicacién de la distribucién binomial da como resultado: Gy = pig» a wa ay PO 19 0 Probabilidad (0 éxites) = = 0.1615 Probabiidad (1 éxito) = ——10 10 = 0.2907 = 29.07% meen (ata) 50, 0% Probubilidad (3 éxitos) Probabilidad (0. 1. 2.0 3 éxitos) = Prob. (0) + Prob. (1) + Prob. (2) + Prob. 13) i 0.1615 + 0.3230 + 0.2907 + 0.1550 7 = 09302 = 93.02%TOC-O~ 206 Probably estates $$ Media y desviaci6n estandar de la distribucién binomial para poblaci6n infinita continuacién: Media = (Nimero de eventos) Probable de éxito | E Media nep=p Desvicion esindar = || Siero de Probbiidat )( Prt V( evenes \rmei ) ( (aefracaso } = Varn p= Vinge * Si lamin esa propor de sts ena ues, edi. Me =p ~ Fa device ses Ejercicio 8.9 Determine la media y ta desviscidn estindar de Ia distribucicn del nimero de alfleres de- Jectuosos que podria contener una muestra de 200 afileres, sila Fabrica tiene un porcentaje de defectuosos del 2.5, Solucion: * En este ejemplo, el nero de eventos (0 tamafio de muestra) es 200 y la prohabilidad de que curr un éxito es 0.025. Observe que. en este caso, el éxitc es encontrar un alfiler defectuoso ——— ee _ eee 200) (0.025) La media es el valor esperado de éxitos (defeetuosos) para una muestra de 200 alfileres. cuan- £ do el porcentaje de defectuosos es del 2.5. desviacion estandar puede obtenerse mediante la formula de la siguiente pagina (observ ne In probabilidad de fracaso es el complemento de ta probabilidad de éxitoy,Distribuciones de probabilidad para variables discretas 207 —C-Q—~Q~ 1 —— a= Vnepe p= Via | = V200) (0.025) (1 ~ 0.025) = 2.208 Ors 10 Determine la media y la desviacién estindar de la distribuciéin del niimero de veces que s puede obtener el ntimero 3, en diez lanzamicntos de un dado de seis caras. Solucion: * La probabitidad de éxito ps 1/6 y el nimero de eventos es 10, por lo que la media y La des Viacién esténdar se pueden obtener dela siguiente manera: Media = n+p = - 20s M @ 7 1667 6 Desviacisn estandar = Viarep Vi10+ 1/6641 — 1/6) 179, Hoe Media y desviacion estandar de la distribucién binomial para poblaci6n finita Las formulas que se utilizan para calcular ta media y la desviaci6n estindar de una distribucién binos mial, cuando el tamaiio de la muestra excede del 54% de ta poblacisn total, se presentan y aplican ¢ ccontinuacién: Media = (Numero de eventos) (Probabilidad de éxito) 7 — —EE— Mineo de Prbiied)( Piided yj Face WO teeta a desracaso )\ corecciin } Desviacion _ [_estdndar TY eventos | a= Vinepetd — pie FC = Vinpg pe = an Tamaito de la pootacién ~ 1—CHC-C— 208 Probabitdad y estadisties $$$ Ejercicio 8.11 E1 2.5% de alfileres en un paguete de 200 esté defectuoso.Determine la media y la desviacisn | estindar dela dstebucion de proabidad que resulta al tomar 30 afileres del page Solucion: * En este ejemplo, la probabilidad de que ocurra un éxito es 0.025 y ef niimero de eventos (0 tar £ ‘mafio de muestra) es 50, por lo que fa media y la desviacidn estindar son: es el valor esperado de Exitos (defectuosos) para una muestra de S0 alfileres tome # dos de un paquete de 200, cuando el porcentaje de defectuosos es 2.5.) * Para calcular la desviacién estindar debe considerarse que la muestra excede del 54 del tamafo de Ia poblacién (50/200 + 100 = 25%) y debe aplicarse un factor de correcciGn por poblacin finita, calculado de la siguiente forma’ (Tamano de ta poblacién) ~ (Tamaio de ta muestra) Non 7 yw : Tamaiio de la poblaci¢ pl oS : F200 = 5 faa 200 = 50 = Vo754 = 0.868 V 200-1 La desviacin estindar da como resultado to siguiente: [ o=Vaepe =p src= VangeFe i (1 ~ 0.025) (0.868) 1,219 (0.868) = 0.958 Andlisis del factor de correccién por poblacién finita ‘Cuando se toma una muestra de gran tamaito, en comparacién con Ja poblacién de ta cual proviene, & necesario corresir el vulor de la desviacion estandar tilizando para ello un factor de correceién que toma en cuenta tanto el tamaiio de Ja muestra como el de Ta poblacién, El sigviente sjemplo muestra ks Importuncia del factor de correccién por pablacign finitaDistrbuclones de probabilidad para variables discretas 209 ~Q—~Q—Q— Ejercicio 8.12 Calcule el porcentaje del tamano de la muestra (n) respecto al tamano de la poblacién (N), asf como el factor de correccién por poblacién finite (FC). para las siguientes condiciones a) N= 50, = 1,5, 10, 20, 30, 50 by N= 200. = 1,5, 10,50, 100, 150 6) N= 500. = 1, 10, 50, 100, 200, 300, Solucién: * Las formulas que utilizan en este caso son: Tamaho de la muestra Porcenaje del amano =( = Tamaede a muesra— eee Porcenteje de la poblacian } ‘1° eee [ [ lamano de ts polacin)~ Camano del mwestray Vo Tamai de lapoblaciin = 1 NOE eet20es es 30250) ge | 2% | 10% | 20% | 40% | 60% | 100% i FC | 1.000 | 0.958 | 0.904 | 0.782 | 0.639 | 0.000 Eby = 200 mal eee [10 100 | 150 ] % | os% | 25%] se | 50% | 75% i Fe | 1.000 | 0.990 | 0.977 | 0.868 | 0.709 | 0501 | fe N= 500 : a | 1 | wo | so | 100 | 200 | 300 | se | 02% | 2% | 10% | 20% | 40% | 60% Fc | 1.000] 0991 | 0.950 | 0.895 | 0.775 | 06 Observe que el factor de correccién por poblacién finita disminuye gradualmente conforme au ‘menta el porventaje del tamaiic de la muestra respecto al tamafio de la poblacién, pudiendo incluso F llegar hasta cero, {Aunque siempre deberia tilizarse el factor de correccién por poblacién finita, su valor es muy : ccercano a 1.0 cuando el tamano de la muestra respecio al tamano de la poblacisn es menor que 5% por Jo que convencionalmente se fija este valor como Hite para utilizar ef fuctor de correeciGin: es lecir. este factor debe utilizarse siempre que el tamaiio de 1a muestra respecto al tamao de la po- blucion exceda del 5%: :O-O-O- 210 Probubilidad y estadistieg A Sesgo y curtosis de la distribuci6n binomial Los valores de sesgo y curtosis de una distribucién binomial permiten conocer su forma. A continua cin se presentan tanto sus férmulas como un ejemplo en el que se aplican, El sesgo o asimetria de una distribucién binomial se puede calcular con la siguiente férmula: | : Probabilidad (Fracaso) ~ Probabilidad Exito) = seo é - ‘Niimero de eventos + Probabilidad (Exito) Probabilidad (Fracaso) apg ‘Una medida de Ia esbeltez de una distribuci6n es el coeficiente de curtosis, que se calcula de la six ‘guiente forma: | = 6 + Probabilidad (Exito) * Prohabilidad (Fracaso) Curtosis limero de eventos « Probabilidad (Exito) + Probabilidad (Fracasy [ = Cunosis = 3+ 45 $Pt_ Ving Ejercicio 8.13 Determine el sesgo y el coeficiente de curtosis de la distibuciGn del numero de afileres efectuosos que podria contener una muestra de 200 alfileres, sila fabric laje de defectuosos del 2.5, Solucion: + Sea p la probabilidad de éxito (en este caso, 0.025. es decir. la probabilidad de un afiler de fectuoso), q¢s el complemento de p, en este caso, q = 1 ~ 0.025 = 0.975, nes el amano de | Ja muestra (200, de una poblaci6r infinita, : g-6 0.975 ~ 0.025 0.975 - Vers (200) (0.025) (0.975) Sesg = 0.4303 (Observe que si p = 0.5, como emel caso de una moneda, el sesgo seria nulo, pues el numerador de ta férmuta seria 0. La 6p 1 = 6(0.025) (0.9: 79g (20000.0250.975) Curtosis = 3 + * Veritique que si el porcentaje de defectuosos fuera del 97.5% (complemento a 10% de sesgo seria ~01.4308 y el coeficiente de curtosis seria 3.175.Distribuciones de probabilidad para variables discretas. 211 ~Q~Q-O— Aplicaci6n del tridngulo de Pascal Cuando se analizan los eventos posibles de una distribuciGn binomial en particular, se observa que la probabitidad de que ocurra cada evento es proporcional a los coeficientes det desarrollo de un binomio: clevado a una potencia igual al nimero de observaciones, y que el total de eventos posibles esta dade Por Ia suma de esos coeficientes. Esa suma puede obtencrse tambien al elevar el nimera 2 a una potencia igual al ntimero de observaciones, El tridngulo de Pascal (Blaise Pascal, matemético francés, 1623-1662) es una figura triangular cuyo vértice superior y sus costados es un uno, y en la cual los de. ‘mis ntimeros se forman sumando los dos niimeros més cercano del renglén superior de dicho némero. Para cada renglén del trigngulo, los mimeros son idénticos a los coeficientes del desarrollo de un binomio elevado a una potencia, por lo que puede aplicarse a la soluci6n de problemas de tipo binomial, donde Ia probabilidad de éxito sea 50%, Ejercicio 8.14 Utilice los factores del triingu o de Pascal gue se muestra en los anexos, para determina la distribucin de probabilidad del nimero de Sguilas que podrian aparecer en 7 lanzamien. tos de una moneda Solucion: *+ Tal como se observa en la figura de los anexos, para siete observaciones binomiales, los coe ficientes del binomio son: 1, 7, 21,35, 35,21, 7 y 1, cuya suma es 128, por lo que la probabi dad de cada resultado posible (desde 0 hasta 7 dguilas) esta dada por la relacién de cada coeficiente del tridngulo de Pascal entre el total de eventos posibles, esto es: i P (O) = 1/128 = 0.078125 P(A) = 35/128 = 0.2734375 P (1) = 7/128 = 0.546875 P (5) = 21/128 = 0.1640625 PQQ) = 2128 = 0.16806: P (6) = 7/128 = 0.0546875 (3) = 35/128 = 02724375 P (7) = W128 = 0.078125 (Observe la simetria de la distribucién, debido a que tanto Ia probabilidad de éxito come la de fracaso son iguales). * Verifique que la distribucién de probabilidad del nimero de dguitas que podrfan aparecer en 12 Janzamientos de una moneda esté dada en la siguiente tabla: 4 i P(O) = 1/4096 = 0,0002441 79214096 = 0.1933593 | PC) = 12/4096 = 0.0029296 495/4096 = 0.1208896 P(2)= 66/4096 = 00161132 20/4096 = 0.0537109 P (3) = 2204096 = 0.0537109 P (4) = 495/4096 = 0.120846 792/496 = 0.19335 924/409. = 0. 6614096 = 0,0161132 12/4096 = 0.029296 1a096 = 9.000241—O-O-C— 212 Probabitidad y estate aaa $a Muestreo para aceptaci6n de lotes Ladistribucién binomial puede utlizerse para definir el niimero maximo tolerable de articulos defec« {wosos en tna muestra, si se desea inclur en ella un cierto porcentaje de la distribucién de probabilidad de articulos defectuosos, y se considera como aceptable un cierto porceniaije de defectuosx, Los ejemplos que se presentan a ccntinuaci6n, asi como Ia tabla de los anexos, ‘mente Jos conceptos seftalados, pueden servir de gufa para definir una politica ad calidad. ero fundamental uda de control de Ejercicio 8.15 De un embarque muy grande se toma una muestra de 15 articulos, Si se considera toler ble un maximo de 15% de aitculos defectuosos en el embarque. prepare una gréfica de h istribucién de probabitidad de articulos defectuosos y determine cual serfa el m lerable de articulos defectuosos en Ja muestra, si se desea incl la distribucién de probabilidcd de articulos defectuosos. imo to cuando mucho el 90% de Solucion: * En virtud de que cada articulo sélo puede ser defectuoso 0 no defectuoso, es aplicable la di tribucién binomial, de la siguiente forma: En este caso, n es igual a 15,p es 0.15 (189) y q€8, por complemento, 0.85 (1 ~ 0.15); porto § tant: PO= Tae rpy (015) 0.85)"~" = O8r4 Puy ay (0.15)! (0.85)"~" = 0.2812 os = 1 Las probabilidades desde 2 hasta 15 articulos defectuosos en Ia muestra se calculan de manera ! similar. y se presentan a continuacién, as{ como las probabilidades acumuladas, 3 6 7 Pov [are | aaa aa | 12 | oa | [Revues P74 [ ana] 0 98.32 | 99.64 | 99.94 eet sls fwln] 4 |_s [pa | 005 | cor [a0 | oo | o00 | aoe | oom bam Lan. enutadas [99.99 | 100.0 | 100.0) 1000 | 1900] 1000 | 100.——————— Distribuciones de probabilidad para variables discetas 213 i 10% ies) i 0% mo 012345678 9 WN 1 IS i Niimero de defectuosos } Probabilidad 100% 7 | 909% — | Itt i | 18% Probabitidad acumulada del némero de ar- | Afeulos defectuosos en una muestra de 15 anticulos, considerando 15% de articulos 50% | defzctuosos en la poblacisn, | 14 ' ze i! | | | ) | | ii | owe L cee | iid 6 123 4 5 6 7 8 9 10:11 12:13 14 15 Ninero de defectuosos Como puede verse en la grifica antericr, la probabilidad acumulada de 0. 1. 2 0 3 articulos de~ F fectuosos es 82.27%. mientras que la probabilidad acumulada de 0. 1. 2.3 0 4 articulos defectuasos cs de 93.83%. valor que se excede del limite de aceptacién establecico (90%, por lo tanto. podrian aceptarse en la muestra 0. 1. 2.0 3 articulos defectuoses, Un ntimero mayor que éste debe motivur que rechace por completo e) embarque o Icte de donde proviene la muestra puesto que existsia evi- dencia de que éste tenga mis del 15% de articulos defectuasos, Observe que el resultado obtenido puede encontrarse directamente en ta tabla correspondiente en los anexosO-O-O- 214 Probabiliday estadistea AP@A pa @$mp—aa$pjm a Ejercicio 8.16 Utlice 1a tabla de los anexes para determinar el nimero miximo de defectwosos perm ble en uns muestra de 30 atticulos,siel porcentaje de defectuosos tolerable en la poblacidn es del 12%. Considere sn nivel de confianza del 90%. Solucion: * Tal como Jo indica Ia tabla, el numero méximo permisible de articulos defectuosos es 5 La distribuci6n hipergeométrica {La distribucion hipergeométrica es una forma particular de la distribucién binomial; en ella, los resul {ados de los procesos no pueden presentarse mas de una vez, eso es. el muestreo de los elementos de Ja poblacién se realiza sin reemplizo. Debido alo particular de su plantean ento esta distribucién tiene poco valor prctico, aunque es muy adecuada para calcular, por ejemplo, ta probabilidad de que. de una poblucién de N alutnnos. de los cuales T tienen una caracteristica descada, se presenten a una reunidn exactamente un mimero x de alumnos. si se invité aeatoriamente a alums, La distribucién hipetgeométrica debe wilizarse en ver de ta distribucién binomial cuando el tamaio de la poblacién sea pequefio en comparacidn con el tamano de la muestra. por ejemplo. si la muestra excede del 20% de la poblacisn, ‘Las wes féromilas que se presentan easeguida son alggbraicamenteiguales(comprubelo). y pert ‘an caleular [a posibitidad de Ia distribucicn hipergeométrica, como se muestra en los ejemplos. | ! (N-T\/T | | Cee) | a r—S lea i { | 1 { -n Tt i = N=T =a Tal Points SOO I ndintero deseadoDistribuciones de probabiliad para variables discretas. 215 Q“O~G— Ejercicio 8.17 De un grupo de 100 personas, 20 son mujeres, Si se selecciona al a 84 30 personas, jeudl es a probabilidad de au en ta selecein : ya exactamente 8 mujeres? Solucion: * La muestra excede del 20% de Ia poslacin, y el muestreo de los elementos de la poblacsn se realiza sin reemplazo, por lo que es udecuado utilizar la distribucion hipergeométrica en vex de Ja binomial, de la siguiente forma: En este caso, x = 8, N= 100, T= 20 yn = 30, (100 ~ 20)t 20 G0 ~ 8000 = 30-304 BF 8120-8) P (81100, 20, 3 100! 30I00 = 30; i 7.1569 10" 24329 10 (1124 107) (2.3506 10) * 40330) 4.79 = 10 9.3326 1957 (26525 10°) (1.1979 10) = 0.1162 = 11.62% Ejercicio 8.18 De un grupo de 100 personas. 20 son mujeres. Tabule la distribucion de probabilidad hi- # 7 pergeométrica del niimero de mujeres, si se selecciona al azar a 30 personas. Sotuelén: + En este caso 1 puede tomar valores desde cero hasta veinte, Nes igual a 100. Tes My mes Mh: por lo que por lo q (100 = 20,1 -— 30 — 00 = 20-30 Fy AO wt (01190, 20,30) = oe Pst 100, 20,30) on “300100 = 3~O“C-C— 26 Probabilidad y estaistiegs AAA $pA$?_$?_$$_$_$$_____ + Ladin de oa | Probabilidad (x) | 0.03% } 0.36% | 1.88% | 5.97% 12.68% |19, 189%] 21.41% id resultante es: 1 lara T | x z os |e | sj 9 | ; t | Probabilidad (x) | 18.03%! 11.62% | 5.78% | 222% | 0.66% | 0.15% 0.03% | [ x a CS _—— Probabildad (| 000% | 000% [O00%| 000%) OaDm [owe] oom La distribucién binomial como aproximaci6n a la hipergeométrica La distribucién binomial puede utilizarse para obtener, ‘una aplicacion propia de la distribucidn hiperzeométric ‘Compare su resultado con el que se obtuvo en el inciso de manera rapida, resultados aproximados de a, tal como se muestra en el siguiente ejemplo, relativo 2 la distribucién hipergeomé Ejercicio 8.19 De un grupo de 100 personas, 20 son mujeres. Si se selecciona al azar 30 personas, ;cusil 5 la probabilidad de que en ta seleccién haya exactamente 8 mujeres? Sotucién: * El miimero de éxitos deseado es 8 (x ~ 8); Ia probabilidad simple de que ocurra un éxitofmu: Jen) £8 20/100 ip = 0.2y:y el miimero de veces que se tomara un elemento del grupo es 30 (n = 30), La aplicacién de la distribucién binomial produce: ne _ ; Pins
Sy nl =p)25 La media y la desviacién esténdar de la distribucin normal se obtienen por medio de las siguientes Formulas: Media = Nuimero de eventos « Probabilidad de éxito Walla =p = Desvaciin _ [inerode ~ Prbablidad ~ Probabiidad | estindar’ “Vevey deésto, " defraca o=Vnepel—pys ‘Ajuste por continuidad Simbolo Ajuste s +05 > | +05 2 05 {oo ~05 Dado que la distribucién binomial es disereta (s6lo acepta valores enteros}, mientras que la distribu- ion normal es continua (acepta cualquier valor), la variable normalizada (:) debe calcularse incluyendo lun ajuste por continuidad equivalence a +0.5 si la expresisn buscada es del tipo “menor o igual que" 0 "mayor que": 0 a ~0.5 si la expresidn buscada es del tipo “mayor o igual que” o “menor que” A continuacidn se presentan algunas grificas que ilustran el concepto de ajuste por continuidad, ecesario cuando se utiliza la distribuciéa normal como aproximacién a la binomial, y enseguida se afrece un ejemplo al respecto, — 7 reset MR teers (22 HB BS rn as, S20 : _—— Se—O-C=C= 234 Probabilidad y estadSth_@ APD@Pp_$pAP?$?€$€ $$ A$$ Observe ue. en las figuras anteriores, s¢ cumplen las equivalencias que se presentan nseguida: Pix PiIX=6) PIN<9)=PIXS8) PIN > -6)2 P(N =-3) PAX = PIX = -6) ‘Ota forma de ver las -ificas antetiores es considerar una hilera de érbole: ‘amas de cada drbol cubren is. com se Sefiala en la figura 9.1 ‘olocados a un metro de distancia entre si. 1 metro despy ‘0 antes de su troneo fasta medio rea de influvencia ‘sombrayde cada debe! | concepto de variables, resentado en el tema variables del capitulo Ejercicio 9.3 Una fibrica produce alfileres con 2.5% de defectuosos. $i se toma una muestre de 24K lores, :eusil 2s fa probabilidad de encontrar 3.0 més defectunses? Souci + La probubitidud de encontrar 3 0 mis defectuosas es igual, por complemenia. a uno menos le encontrar men$$ Distribuciones de probabilidad par ables continuas 235 —Q-Q~O— Probabilidad (3 0 mds defectuosos) = 1 ~ Probabilidad (menos de 3 defectuoses) 1 = (PO) + PC) + PO) = PIO) ~ PU) - PQ} Distribuci6n del nimero de defectuosos en la muestra PO) + POL) + PQ) PG) + PAY + + PRO) | Menos de tres Tres 0 més defectuosos La solucién de este problema puede obtenerse por medio de la distribucién binomial. pero también, y ins fécilmente, aunque en forma aproximada, por medio de la distribucién normal si se cumplen las siguientes condiciones: (Mimero de arviculos + Probabilidad de éxito) 2 5, » [Mimero de arriculos «(1 ~ Probabitidad de éxito}) = np> Sya(l~ pie $ Dado que m= 200 y p = 0.025. n 0.025 = 5 = 5 y n(1 ~p) =200 +11 ~ 0.025) = 195 = $5. por lo tanto es adecunda ta aplicacién de la distribucién normal, La media y la desviacion estindar se caleulan ida: Medic = Nimero de eventos « Probabilidad de éxito 10040.025 Media = n+p =p. Desviacion _ [Wimerode ,Probabiidad ,Probbitdad esténdar eventos de éxito de fracas. - é a o=Vanepe —p)= Vag = V 20000.025) (1 ~ 0.025) = 2.208 joserve que la probabilidad deseada, P (3 0 més defectunsos), 28 Ddefecnunosses deci Pix PX El ajuste por continuidad es positivo, y el valor de < es: . — 1 Xow 205C-C-C— 236 Probabilidad y estadistica De las tablas, el dtea bajo la curva entre 0 y 1,13 es 0.3708, por lo que el area buscada es: 7 7 7 . 5 7 Tem La distribuci6n normal como aproximacié6n a la de Poisson La distribucién de Poisson puede simplifc media sea mayor de 10. La media y la desviaci6n estindar de la distribucién normal se obtienen por medio de las siguientes formulas: ise por medio de la distribuciGn normal si se cumple que la ‘Media de la normal = Media de Poisson = Media de Poisson = "a Desviacién estindar de ta normal Dado que la distribucidn de Poisson es discreta (s6lo acepta valores enters), mientras que la distribuc 16, X < 38), es decir, P(X 217, X £37) = P(X > 16 > X < 38), En este caso, ef ajuste por continu dad de limite inferior (asociado a P(X > 16)) debe ser 40.5, mientras que el ajuste por continuidad del limite superior (asociado a P (X < 38)) debe ser 0.8 de tal suerte que: — X= p25 6-7 Desviacién estdndar = 2.02 eee clOSaete ° Desviacion estindar aoe De las tablas, el dea bajo la curva entre 0 y 2.02 es 0.4783. por lo que el dea buscada es: Area toral = 0.4783 + 0.4783 La distribucién exponencial La distribucion exponcncial es una variarte de la distribucidn de probabilidad de Poisson en la que la formuly aplicady es igual a uno menos la probabilidad de Poisson cuando el mimero de Exitos desca- dos es 0, esto es: ie | Pov etitos| = Pus estan = aye = Pais A | a 1 eee xt (2.71828) (2.71828)" a] minar la probabilidad de que ocurra un primer impla un cierto tiempo limite (7) tal como se La distribucién exponencial puede servir para det evento de una distribucién de Poisson. ances de que sé muestra en el ejemplo siguiente.C-C-O— 258 Probabilidad y estadsea™ PAA aA Ejercicio 9.5 En una carretera pasan en promedio 27 automdviles por hora, {Cul es Ia probabilidad de £ ue pase por ahi un automévil en el lapso de los proximos tres minutos? Solucion: * Este problema puede resolverse aplicanclo directamente la distribucién exponencial, cuya for. ‘mula es la siguiente PEL primer éxito ocurra antes de | sa tiempo T) 1 DI 1BI8 Peat are i [_PCElprimer éxito ocurra ames ce un tiempo 7 EI promedio de éxitos (automsvi es) en 3 minutos es: Promedio (3 minutos) = Promedio por hora « el + La probabilidad buscada es la sigaiente: 1 Un éxito anve de 3 minutos) oe 6.2592 0.7408 = T4.089% * Verifique que si se aplicara la dis:ribucién de Poisson para 1. 2, ..infinito numero de éxitos, £ se obtendrian los siguientes valores de probabilidad Pity = 0.3500 PO) =0.0004 P12) = 0.2362 Pi8) =0.0001 Pp =0.1063 P19) =0,0000 Pedy = 0.0359 P19) =0,0000 P18) =0.0097 P61 0.0022 PUnfinito mimers de éxiros) = 0.0000 ‘Los valores anteriores suman el valor buscado: 0.7408,—————Bistribsciones de probabilidad para variables continuas 239 —C+O-O~ Ejercicios para resolver en grupo Disefe y fabrique un pequefio articulo y por medio de una encuesta & 60 personas, determine cuinto debe costar dicho articulo. Caleule la media y la desviacién estiindar de los valores obtenidos y caleule la probabilidad de que un precio igual al 99% de la media obtenida sea aceptado por ta poblacién, . Investigue Ia estatura de 50.0 mas personas mayores de 16 afios y determine la media y la desviacion estdndar de éstas. Calcule el rango de estaturas que componen el 60% central de la distribucién ‘ebtenida, Compare dicho rungo con las estaturas de otras 10 personas y determine qué porcentaje de éstas caen en ese rango. Presente y comente los resultados ante sus compafierus de clase, 3. La Secretaria de Comunicaciones y Transportes (www.sct.gob.mx) mantiene actualizada la es- ladistica portuaria, donde registra, entre otros, el niimero de vehiculos transportados por va mi tima en trafico de altura. Con base en la informacién mas reciente, determine la probabilidad de que, en un mes cualquiera, e! nimero de vehiculos sea superior al 10% del total anual. Considere una distribuci6n normal para este caso. Ejercicios propuestos 1. Determine el porcentaje del érea bajo la curva de distribucién normal ay Entre dy Entre = 2. Suponga que el monto promedia de compras por cliente de una empresa es $128.45, desviaciGn estindar de $18.26, Determine la probabilidad de que un cliente compre a) Mas de $100.00. by) Mas de $150.00. ©) Menos de $120.00. Suponga que el monto promedio de compras por cliente de una empresa es $128.45. y una desviacidn esténdar de $9.13. Determine la probabilidad de que un cliente cualquiera compre 2) Mas de $100.00, by Mis de $150.00, ¢) Menos de $170.00. 4. Un automévil consume 0.08 litros de combustible por kilémetro y recorre diariamente una distancia promedio de 385 km, con una desviacién esténdar de 25 km, {Cuantos litros de combustible debe tener el tanque al iniciar el dia si se desea asegurar que al menos el 99.9% de los dias no falte combustible? mover un vaso leno de agua de un lugar a otro, se derraman en promedic 6.2 milimetros. con tuna desviaci6n estindar de 0.8 mn, Si se desea garantizar que por lo menos el 45% de Jus veces ‘que se mueva el vaso no se derrame. zeuénto be dajarse sin llenar?Ooo 240 Probabilidad y estadsti¢a $A $$_?$_?$~_______ 6. Un auditor escoje al azar 200 cuentas de un banco que tiene 4% de clientes morosos. Determine Dor medio de ta distribucién normal, la probabilidad de que el auditor encuentre 5 » ms clientes 7. Un inspector de calidad toma una muestra de 150 articulos de una produccidn que tiene 6% de defectuosos. Utilice la distribucién normal para determinar la probabilidad de que le muestra contenga mis de 10 articulas defectuosos. 8, Un empleado bancario atiende en promedio 8 clientes por hora. Aplique la distribucign normal para calcular la probabitidad de que el empleado atienda entre 4 y 10 clientes por hora 9 Cierta resin sure un promedio de 65 accidemtes por aio. Utlice la dstribucidn normal para determinar la probabilidad de que. en un afo cualquiera, ocurtan mas de 70 accidlenves, 10. Un empleado bancario atiende en promedio 8 clientes por hora, {Cuil es la probabilidad de que durante los préximos cinco minutos Hegue un cliente? 1M. Las manzanas de la variedad Azby tienen un peso promedio de 215 gramos y una desviacién es- \andar de 18 gramos. Si se toma a. azar una de éstas, ;cusl sera la probubilidad de que pese mis de 225 gramos? 12, La banda de un motor a diesel tiene una duracién de 750 horas y una desviacién estandar de 40 horas. {Con cusintas horas de uso deberd cambiarse la banda, para tener una probabilidad de 90% de que la banda no fallara? Se desea lograr una produccién de por lo menos 6250 kilogramos de fresas, a partir de plantas Gue producen en promedio 3.8 kg, con una desviacién estandar de 0.31 ky. ;Cudntas plantas deberdn cultivarse si se desea tener una probabilidad de éxito de 95% 0 més? 14. Una empresa tiene 25 agentes de ventas y cada uno de ellos atiende diariamente a 80 posibles tentes, De esos posibles clientes, sélo el 7% compra los articulos ofrecidos, con una desviacién estdndar de 12 clientes. {Cust es la probabilidad de que un dfa cualquiera el niimero de clientes sea superior a 150? {Cual seria esa probabilidad si el nimero de agentes de ventas fuera 30?° ° ° _ CAPITULO 10 50008 0° 220000000008 9000098006, 26 0° ° 90° a. oO Anilisis ° de tendencias oO TL ee Oe OaO-C-C— 242 Probabiliday estates AAP $$$ $$$ iB Andlisis de tendencias La observacién metédica de los fenémenos es la base del Nuestro aprendizaje esté fundamentaido en el anlisis de I cosas que nos rodean, Por ejemplo, si se aplica un poco d Seguro es que se observe un incremento en la produtceién, ‘mente la producciGn seguira aumentando. El estudio de los datos del ejemplc anterior senta enseguida, conocimiento y de la experiencia humana, le tendencia u orientacién que muestran las le fertilizantes a un cultivo agricola, lo mis Si se continds aplicando fenilizante, segura. Podria generar una tabla de daios como la que se pre- Ferulizame(keim’y | 0 | oa | 02 Produccién (ton/ha) Si estos datos se presentan en una grfica cartesiana, se tendria lo que se conoce como diagrama de dispersiGn, en el eval aparece Is relacicn entre dos variables, en este caso la canidad de fertilicames ¢ el producto cosechado, on ee Como puede observarse, en el diagrama de dispersin existe una relacin entre et ferifizante apl ado y el producto cosechado, ast como también existe entre el presupuesto de publicidad de uma em= ‘rosa s 6] monto de las ventas que genera, o entre la preston barométricu del ambiente y la probabilidad fe qu IIueva: sin embargo, hay selaciones que no existen, o que no tienen sentido, como la edad 4° tina Persona y el costo de un automévil.o el niimero de Hamadas de larga distancia en Arwentina ¥ 18 Produccisn forestal de Canads, por lo que es necesario identificar ldgicamente las etaciemes entre JOS © mas Variables.Andlisis de tendencias, 243 -O-O-O— Analisis de regresién En el diagrama de dispersiGn mostrado se observa cierta tendencia 0 rlacidn entre los datos, es decir Sie aplica mas fertlizant, se obtien: una mayor cosecha, Esta tendencia puede expresarse por medio dle una linea recta deducida visualmente con base en los puntos del diugrama, tal como se presenta en seguida: w 4 Eu a Con base en la linea de tendencia trazada, conocida formalmente como recta de regresién, ¢s posible conocer aproximadamente, por redio dela grea, la cosecha esperada si se aplicarancantidades de Fetilizantes que no se hayan experimentado, por ejemplo, 0.15 0.0.27 kgs’. A este proceso se le conoce como interpolacin (porque los valores deseados estén dentro del interval de valores conoc- dos, en este caso, desde 0 hasta 0.4 kg/km? de fertilizante aplicado. Vea el tema “Interpolacién linea! en el capftulo 1 “También es posible pronosticar en forma aproximada, por medio de a gréficn, la cosecha esperada si se aplicaran eantidades mayores (0, en otto caso, menores) que las conacidas. pr ejemplo. 0.43 9 0.58 kg/m*. A este proceso se le conoze como extrapolacin. La extrapotacicn debe aplicacse cuidadosamene, pues es fil suponer un comportariento val de las variables estudiadas, sobre todo cuando nose consderan los mites de ls cosas. Por ejemplo, a, spies un exceso de fertilizame podria — daar las plantas incluso provo- car que se perdiera por completo - Ta cosecha, En este ejemplo sews 7 puede ver que la relacidn entre ue ferilizante y produccion puede = $f 5 wreeyg representarse por medio de una recta pero solo en un pequei tervalo, pues en realidad la rel cién es mas bien en forma de una curva, tal como se aprecia en la fi- ura de la derecha.O-O-C— 244 Probabilidad y estadisthes. AP@§aA@$A$N $$$ Cuando sélo se analizan dos variables para generar una recta de regresién, se dice que se hace una regresidn lineal simple. Si el resultado fuera una curva, el anilisis serfa de regresidn no lineal. Por otra parte, considere que el fertilizante aplicado no es la tnica variable que afecta a la cosecha: también influyen ta humedad, la temperatura, el tipo de suelo y mu: cchas otras, Cuando se toman en ‘cuenta mas de dos variables, se di- Se que el andlisis es de regresin mltiple. (Vea el concepto de srficas de barras de 2 variables (Cap, 2) y dediizcalo para 3 0 més variables.] Simple Lineal Multiple Regresisn Simple No tineal Multiple Tal como se vio en los pirrafos anteriores, la recta (o curva) de tendencia de un fenémeno estud do puede obtenerse en forma grafica con base en los datos obtenidos en el estudio, con la condicion de que la recta (0 curva) resultante quede tn cerca de todos los puntos como sea posible: sin embargo, la forma més comiin de hacerlo es por medio de las férmulas deducidas por Kar! Friedrich Gauss tmate- :matico alemén, 1777-1855), en un metodo conocido como de los minimos cuadrados, sesin se presen- tu en el ejemplo siguiente Ejercicio 10.1 Determine, con base en Jos siguientes puntos, la ecuacién de la recta de mejor ajuste (y nv + b).y caleule con ésta el valor de y para v = 7, x 33 | 48 | 65 | 75 we fx [3 | 0 y= mu + dimes la pendiente de la rectayAnalisis de tendencas 245 —O-Q-O— Las variables m y b pueden obtenerse utilizando las siguientes férmulas del método de mini- ‘mos euadrados: Mimero de datos» suwa (X + ¥) ~ suma(X) «sum ) Miimero de datos * suma (XP ~ (sua OP suma (X) + Stata (Y) ~ sums (X) + sussa (X= Y) Be Niimero de datos * sussa (X°) ~ (stima GOP * Paracel céleulo de Sx, Sy, S1° y Sy puede utilizarse una tabla como la siguiente: y | 7 18 20 23 | 30 98 e 2.25 1089 23.04 | 36.25 | 134.68 ies (540.4) ~ (23.6) (98) _ (134.68) ~ 23.6)? 34.68) (98) ~ (23.6) (540.4) (5) 134.68) ~ 23.6)" 3.342 = 3.823 + Dado que y = my + b. la ecuacisn de la recta es: y = 342x + 3.823, por lo tanto: ¥ (7) = 3.34209) + 3823 = 27.217 (8) = 3.34218) + 3.82: 0, 59 19) 34219) + 3,823 = 33,901 + A.continuacién se presenta ta gre- icacién de los datos originales, ai ‘como la recta de ajuste y los puntes ‘buscudos. el primero de los cuales se obtiene por interpolacion y los dos ultimos por extrapolacicin, Observe Ia diferencia entre los va. lotes reales u observados y Tos que resultan al aplicar la recta de ajuste GA donde iran de paseo? El pops, la mamé, el hijo y la hija se preparaban para salir © pasear, pero habia un serio problema: podian ira varios lugares pero cada persone queria ira.un lugar diferente. 3A dande iran? gCémo irén? glran? El acuerdo entre ellos era dificil, pero mediante un sencillo procedimiento se resolvié este dilema, A cada persona se le pregunté a dénde queria ir. Esto fue muy facil Enseguida se le pregunté o que lugar quisiera ir si fuera imposible ir al lugar seleccionado primeramente. Después se le preguni6 a dénde iria si fuera imposible ir a los lugares sefialados antes, y asi sucesivamente.O-C—O— 246 Probvabilidad y-estadttie™ A$mimq$} MA Ama Las respuestas de cada persona se tabularon de monera similar a la siguiente, en la cual cl némero 1 representa el lugar més deseado de cada persona La suma horizontl de meaner valor representa el lugar que satisface de mejor manera o todas las personas, aunque solo una de ellas (0, en otro caso, ninguna persona) lo haya escogido como su preferido, | tuger | Pape | Mama | Hie | Hie Suma de preferencios | | Cine 5 2 1 3 u Futbol | 1 5 3 5 4 | Parque 4 4 5 2 15 Alberca | 2 3 2 1 | 8 | Teatro | 3 1 4 4 2 [eas aL | =| Cuolaquier semejanza con el ajuste de rectas por el método de minimos cuadrodes, en el que a veces la recta resultante no toca ningun punto original, ses mera coincidencia® Moraleja: Un mal arreglo es mejor que un buen pleit Analisis de correlacién Asi como el andlisis de regresién permite obtener una formula que ims variables, el andlisis de correlacisn obtiene un indice que muestra el variables. presa la relacion entre dos o ado de relaciGn entre dos 0 mis El eoeficiente de correlacion lineal, desarrollado por el matemético inglés Karl Pearson (1857-1936) 5 conocido con Ia letra r, puede tomar valores desde ~1 hasta +1. Son estos extremos los valores que wnanifiestan una relacidn lineal perfecta (aegativa o positiva). seguin se ejemplifica en los siguientes amas de dispersion, ' " t . 5 \ \ : ~\ ~ : : \ . : — a S > VY ——e >t > —Analisis de tendencias, 247 [et [= [a ‘Tat e[e] [Espa on trode [econ # [| 8. Cale zon dea a mina cut acne een cnn realy lent jb seeps — ET Ta To stole eps [ee =is | =30 | ae [oa [oe fon 9 Caleule la e -cuaci6n de la recta de minimos euadrados, asi como el coeficiente de eoelacién li neal y el error estdndar det ajuste de los siguientes puntos: Lx | -3 | - 0 3 6 Lv | -200] 1297-95 7 04 84 10, Calcule Ia ecuacién de la recta de minimos cua f como el coeficiente de correlacisin lineal y el error estdindar del ajuste de los siguientes puntos: 1 x of ifo2ta 7] 8] | lee a7 eo | | ee ral} 752 | -614 volun, scxipta manent. “Las palabras vuelan, lo escrito permanece.” : Fee ELL | Tamaiio Porcentaje de articulos defectuosos tolerable en el Jote que se muestrea dela — J —J — 3 ;0 0|0/0 0 | 0 7 7 ; imvetra | 1% | 25 | 3% | as 50 ost] 7a! we | oF [10 [1206] 15m 20% | 25% | 02 [sor 30 | [a fafat tri olefotolel= [= iI lo-C-C-C— 252 Probabilidad y estadistica Anexo 1. Carta de compromiso Mi nombre (nombre y apellidos) es _ ¥y estudio la carrera de Estoy aquf porque quiero y porque puedo, nadie me trae a la fuerza. y tampoco vine a ver si puedo. Esjoy cursando Ja materia de Yy S€ que el profesor asentard mi calificacisn fi- ral tinicamente en el Acta de Examen Ordinario que emita la Diteccivin de la Escucla Asistiré puntualmente a todas las cases con mis tiles escolares completos (cuuadernos, libros, apuntes, calculadora, plumas. lipices, borradores. sacapuntas, colores, marcadores, lupa, rela calendario, reglas. escuadras. compis, transportador, agua. comida, ete.) y con muchas ganas de estudiar, Dedicaré tiempo y esfuerzo suficiente (antes. durante y después de la clase) para entender los temas presentados, y realizaré ademas (solo 0 en un pequefio grupo de estudio) todos los ejerci- clos necesarios para confirmar mis conocimientos, En caso de que tenga dudas, aclararé con mi profesor o con quien pueda. porque portante no es lo que el maestro ense’a, sino lo que el ulumno aprende. «que lo mis i= ». Me prepararé para los dos ex.imenes parciales, y en cada uno de ellos presentaré tn excelente tea bajo consistente en diez ejercicios resueltos, los que. aunque estén basaclos en otros cjercicios. ten- ran datos diferentes y por tanto sera originales mios. Mis trabajos y mis exdmenes serdn perfectamente legibles, y los resultados seriin lég mente visibles. Si el profesor tiene dudas al respecto, la calificucién serd en mi contra Panticiparé activa y positivamente er clase para ayudar a mis compaferos en el entendimiento de la materia, y para demostrar que si estudié, Aunque tengo la opcidn de presentarme a examen final A y/o B. si cumplo con todas los requisi= tos, quedaré exento de examen, ‘Tengo muchas cosas que hacer. y las voy a hacer. Mi familia, mis amigos y patria lo necesitan, y Dios me ayudaré a logrart. Firma del alumno Fecha Firma del profesorAnexos 253 HOC Anexo 2. Tabla de ntmeros aleatorios | Dos digitos, Tres digitos Cuatro di Cinco aigitas | a ———r—~—r—C———C—C—“(‘EED | #6 19) 298 26801 | 88091086 2o86 | esr soos aso 06 99 76 | 57075100 | 30298888448 | $6491 95772 g2010 0 4% 79 OF 782604628 | 465810071276 26206 33178 | 7 86 83 07 | 579 O57 613. | 85017890 B66 372 27682 | C3 79. ol oa | 348-206 4336 1616 3026 | 77947 «02453-13737 | Q 3 om | 438 790 | 0916 90296499 | SUBOH S5603 74450 a 544060 | 904707378399. | 50640 53688 96004 R80 316-282) 412236795705 | 44014 18935 [ores 043287 | 3021 96415772 | 1842 o2i65 (7 29 5489) 698276 8672947254 | 50687 73646 se 98 9 22 | om oon 8047 5460 4060 | 49338 6017 ) st as st 7 | 30 439 $437 1003 6042} 14623 20208 74 9 9 | oy 4765 2295 | 38246 nas 2% 72 M4 | 308 79082201 | 43177 14663 40913 7 0 7 ons9 9786 | goat 26821 23261 | Si ee 3) 8213. 6174 | 07779. O2618_ 56762 S818 9379 S118 1481 | 33022 61009 16733 | 68 6 828 13021568 | 31144 0198275205 8 02% 17 | 44972155 | 43981 47832 04432 sear oO 78999554 | 81503. OR7I 38732 68 0 | 5009 Oost | 97071 58435. 23737 % 8 O22 os | 0496 7482 | 05129-75779 1H648 eo 09724606 | 6133 76128 43046 49°97) 8796 4699 3602 | 78384 1043274432 | | 31} i 59547869 | 46957 S056 42342 | 4 us 10633937 | y0SS4 12288 98773] B 399 98850256 | T4864 45178 60162 as | 786 8117 0969 | 87088 95446 11432 4) 46 348982560 | OSSS4 WIT 19233 | os | ons 71399196 | 2884988717 ces ten ee cas | 3 | on 03336308 07503 64088 | | oom ea a || 20K 093 | aie 103873 | oxs7s 50022TORC=E— 284 Probabllidad y estadistieg, Anexo 3. Calculo aproximado de la raiz cubica La raiz ctibica de un niimero cualquiera puede obtenerse por medio de la raf? c _2uiente expresidn desarrollada por el autor, con base en series infinitas, aa partir de la si xP ant [oF )F]efw tT )T] 1 formula anterior es vida slo si se aplicardn hasta ef infinito todos los factores, pero su aprox AimaciGn es superior al 99% con sélo cinco o seis Factores. Una forma aproximada de obtener ‘a raiz ctibica de un niimero es extraer repetidamente su raiz cunrta doble rafz euadrada) y enseguica multiplicar todos tos Factores resultantes: por ejemplo. para calcular la ratz edibica de 8: RalZ CUARTA (8) RAIZ CUARTA (1.6817928) RAIZ CUARTA (1.138786) RAIZ CUARTA (10330248) RAIZ CUARTA (1.008158) RAIZ CUARTA (1,0920327) RAIZ CUARTA (1.000507) 6817928 1387886 0330248 10081558, 020327 10005077, HO817928 + 1.1387886 + 1.0330248 + 1.0081558 + 1.0020327 « 1.000507 «... = 1.9996006 Al comparar este valor con el valor exacto, se obtiene una aproximacién de 99.98% (1.999606/2 « 100). misma que puede inerementarse si se inexementa el mimero de Factores considerades. que en este caso fueron solo seis. Eemplo: Obtenga Ja raz cabica de 1953.125. uilizando como fictores sus pr ners nieve raices cuartas sucesivas RAIZ CUARTA (1953.125) = 6.6478608 RAIZ CUARTA 16.6478698 } = 1.657229 RAIZ CUARTA (2.5783463) = 1.126869 RAIZ CUARTA (2671712) = 1.030407 RAIZ CUARTA (1.060983) = 1.907427 RAIZ CUARTA (10149092) RAIZ CUARTA (1.003706) = 1.001625 RAIZ CUARTA (1.0000253) = 1.001155 RAIZ CUARTA11.0002312) = 1.000288 901 El resultado de la muhiplicacidn es 12.4994 12.499865/12.5 + 14401, respecte al valor exact ¥ tiene una aprosimacion de 99,9989% la raiz etibica,Aneros 255 —C-O-O— Anexo 4. Factoriales de los nimeros 70 a 865 Factorial | Nim. Factorial | Nim, Factorial | Nim, Factorial | 70 1.1979&100 [270 66.621 Es40 | 470 3.1828E1053 | 670 SoimsEIeo [78 24809109 | 275.0102 475. 7835361066 | 675 2 7865E1618 7as69E118 | 280 1.6772 480 1.8803E1080 | 680 3902261632 ' 2simiei2s | 285 3.144 485 4.9426E1093 | 685s o33sE1646 1ass7enss | 290 6.0316 490 1.3679E1107 | 690 914631660 hossoEias | 205 1.3024 3.9836E1120 | 695 1 461981675 9.3326157 | 300 3.0506 12201134 | 700 2.42206 1689 LOsHE168 | 303 7.161 3928061187 | 705 4.15878 1708 Lsss2E7s | 310. 21563 1329161161 | 710 7.3080B1717 zorsieiss | 315 65076 qrmogii7a | 715 1.3629E73 6.6895E198 2.161 1.7610E1188 2,6012E1736 18827200 7.4392 6.8908E 1201 S.13RSE1760 646696219 28241 2.8277E1215 1.0508E17 2.6905E230 1.1363 1216461229 2.223561789 134626241 5.1009 S823 1242 867661809 sores) | 345 24916 345 2,5879F 1256 I HOREISI8 S71ME262 | 350 1.2350 550. 1.2789E1270 2.5808F1832 47901273 | 355. 6.738 585. 6614161283 6.207186 anavezss | 360 3.9932 3S779E1297 1 S6MEIS61 163 3.42396295 | 365 2.5108 2.0238E1311 O28EIS 10725746306 | 370 1.6042 1196581325 LONO2EI890 Ws iguesis | 375 1.2232 7390461338 298111904 180 2.00006329 | 380 9.4303 S80 4 7676E1952 SAY72E1918 iss duzesesio | 3857 385 3.2110E1366 2 58SE1933 100968038351 6.801 599 2.2560E1380 7.5082B1947 198 2.59196303 64123 5951, 6S90E1304 2 877EI9I82 200788606374 | 400 6400s 00 1.26568 1408 7.7105E1975 ans 2718uE386 | 40s 6 sce oi 100K9E1422 | 85 2.5783E1961 20 1.0582E398 7.6551 610 810 8.8657E2005 215 -46391E400 9.2450 S15 31489E2020 20228596421 1.1798 620 820. 1SR3ED0 OE 433 625 G.383E1477 | 825. 4354562049 SR6E 444 630 5.9957EI491 3) 1.6946 S| SAI7SEIS6 635 6093361505 ] $35 6. 796022075 240206796468 6H) 6441081519 | S30 2.8087 as 3 AOFE ABO 645 TT9SEIS33 | S45 3 238 e100 | 650. sassoeis47 | ss0 255335096504 33065 E1013 | 055. 9.0035E1561 | #55 20-3830 3 £1026} 650 118466157 | soo 1008 26s 4.8) S$ LSITSEIS09 | 86s S2TMEDI6Tn Anexo 5. El binomio de Newton y el tridngulo de Pascal {2 Potencia » de un binomio compuesto or las lteales A y B pueden obtenerse mediante la siguiente formula, desarrollada por el matemitico inglés Isaac Newton (1642-172, a=! —__I | Bana” | tee Por ejemplo. (a +b) elevado a la cuara potencia es: (a4 bys ats — gly Tay 4-3 at + 4a°b + 6a°b? +4 ab¥ + bt Es ieresante sefalar que los cgeficientes del desarrollo de un binomio elevado a una potencia pueden ordenarse en una ingeniosa figura simstrica conocida como tringulo de Pascal (Baisk Paveal matemitico francés, 1623-1662), en la cual cada uno de los niimeros interiores se forman sumando los ‘Jos mimeros inmediatos que se encuentran zm el renglin superior de dicho mimero. pur ciempls a Coeficientes de (a+ by" SUMA, 0 1 1 1 mt 2 2 124 4 3 13a 8 a 6 6 i os 7 1 1 1s 8 18 56 70 3 256 9 19 36 84 126 126 84 36 9 1 519 0 #1 45 120 210 252 210 120 45 10 1 ros " 1H 58 165 330 462 462 330 165 35 11 1 20s n 112 66 220 495 792 924 792 495 220 66 121 4006 einen___- Anexos 257 -O-O-O— Anexo 6. Muestreo para aceptaci6n de lotes, con un nivel de confianza del 90%. Numero maximo de articulos defectuosos permisibles en una muestra de tamafio n Tama | Porcentaje de ariculosdeletuosos tolerable en el lte que se mueseea es Relea eaelea| ia invest | 1% | 2% | 38 | 45 | 5%] 6x] 70] 86 | 986 [10% [128 | 15% [3 ofofotolofololololote + [olelolototeloloporets s[olofotoTofofofofofoly peiofofolololoforo torr tits 7 Totolo lor opopoy s fofofo ofolort Pope fete r a 60.—C-O-C— 258 Probabilidad y estadisti¢a PPA aA Anexo 7. Area bajo la curva de la distribucién normal estandarizada Media Desviacion estandar ___0.39804928 (y= — 050804028 Ae) 2.71828128! = | em 006 007008 G09 0.0 | 0000 0279319. _.0350 0.1 | 0398 067507140753, 02 | 0795 6d 1103 a4 03 | 119 M443 1ig80 1517 oa | “iss 180K sa 0s | eis 237 0s 2486 o7 2793 08 3078 oo | S30 10 3877 nu | 3790 m | 3980 13 4147 1a 4292 Ls ai 16 4525 1a 4616 Ls 4693 19 A756 20 805 24 850 22 2868 84 3 | 4308 4904 2011 24 | 4922 49274929 4932 23] 4941 49434946 3989 26 4956 49594960 3962 az | 4965 49694970 4972 aaj 4976 4977 4978 4979 “ona 29 4982 49844984 4085864086 0 4987 49884989 3089 49m) 990 st | 4991 4992 9924992, 302 yoos “ws 52 4994 4004 4994 444d 4995 yoos “400s 3 4995 4998 4995 404 3996 70H HI 4 “1007 4007 49874907 "awo7 WUT 5 4998 a ee ee xn | ug “3099 4999 11999 4900 490) ao) 0K) 7 | 4909 34909 4900 “3409 foo 40) nwa 38 | 4008 y99 ooo 4909149994999 ams 4999 3@ | ou “Soon S00 So) 50) SH Sexy 500TS ARN Aneros 259 Oe A Anexo 8. Glosario A Alentorio. Relativo al azar (casuatidad, coincidencia o suerte), Proceso cuyo resultado es imposible conocer anticipadamente, por ejemplo, al lanzar un dado, ;euél niimero aparecerd Anilisis de correlacién, Célculos necesarios para cbtener un indice 0 coeficiente que muestre el grado de relacién lineal entre dos o mas variables. Vea coeficiente de correlacién lineal is de regresidn, Célculos necesarins para obtener una férmula que exprese la reckon entre dos © mis variables. Vea Regresién, Ancho de clase, Conocido también como intervalo, o rango o amplitud, esté marcado por los valores inferior y superior que delimitan la clase. Por ejemplo: la clase 1975 de conscriptos tiene un ancho de clase de 365 dias (de enero 1 a diciembre 31 de 1975): la clase de estaturas de 1.61 a 1.10 me, «70s tiene un ancho de clase de 10 centimetros (1.61, 1.62, .., 1.69 1.70 metros). Arbol de probabilidad. Grifica que presenta los resultados posibles de un evento, asi como la proba bilidad de cada uno de ellos. Su caracteristica Fundamental es que la suma de las probabilidades de los resultados posibles en cualqu er ramificacién es uno (0 100%). Asimetrfa, Conocida también como sexgo, es la caracteristica de las partes de un conjunto, de manera gue dos 0 ms de ellas no corresponden en posicién. forma o dimensiones a uno y ott lao de un Punto, de una linea o de un plano, Vea coeficiente de asimetria de Pearson Anal c Clase. Conjunto de elementos que tienen tne caracterftica comin. Por ejemplo: la clase 1975 de cons: criptos: Ia clase de estaturas de 1.61 a 1.70 metros. Cooficiente de asimetria de Pearson, Conocido también como sesgo. es una medida que expresa la asimetria de una distribuci6n de frecuencias. Un valor positivo indica asimetria a la derecha (Ia media es mayor que fa mediana), mientras que un valor negativo indica asimeitia a la izquierda (la media es menor que la mediana) Coeficiente de correlacién lineal. Valor que define e} grado de cercania de un vonjunte de puntos a su recta de ajuste, Varia desde —1 para un ajuste perfecto von pendiente negativa. hasta +1 para un ajuste perfecto con pendiente positiva Coeficiente de curtosis, Es una medida de la deformacién o uplastamiento. respecto al ee horizontal de la distribucién de frecuencias de tn conjunto de datos. Con esta medida, las distribuciones de Tecuencias pueden clasificarse como leptoctirticas (picudas), mesocurticas ‘suas izadas) 0 plat ccarticas (planas). Coeficiente de variacién, Relacisin de a desviscién estindar respecto a la media de un conjunto de datos. Permite comparar la dispersi6n de dos 0 més conjuntos de datos, Combinacién, Agrupamiento de elementos en el cul el orden de éstos earece de importancia, Por ejemplo: en una combinacidn el grupo de elementos ABC es upo BCA, Compare este concepto con el de permutacién, Conjunto, Agrupacién de elementos con una o varias caracteristicas comunes. por de estueliantes 6 los nuimeros enteros positivos. Consolidacién de clases. Es el proceso de agrupar. en forma total o parcial, tos elementos de dus 0 mas clases para definir una nueva clase. Cuantiles, Nombre genético gue agrupaa los cuantiles, deciles y porcentiles Cuartiles. [dentfican tos valores que div tupo de datos en cuatro partes iguales. Curva de frecuencias. Es una curva stutvizuda que sigue el perfil seftlado por el paligons de fre= plo un g poCHOC 260 Probabilidad y estadistica T_—_-_- D Deciles. Identifican los valores que divin un grupo de datos en 10 partes Desviacién estdndar. Es la raiz de la varianza. Es una de las medidas de dispersion mils wilizay Pesvlacion media, sel promedio dela diferencias, en valor absolut, de cal lor memo la dig de-un conjunto de datos. Es poco utilizada, Piagrama de dispersiOn, Figura que muestra la ubicacidn de los puntos relativos a un fenimeno ob servado, y que orienta sobre el tipo de ecuacién que permita e mejor ajuste Piazrama de Venn, Representacion gréfica de conjuntos por medio de cifculos dentro de un rectingv, Distribucidn de freeuencias. Tabla que presen el nimero de elements que perienecen veale mg de las clases @ categorias en las que se haya dividide para su estudio un urupo de daton ribucién de muestreo, Es la form que presentan las medidas estadisticas relativis a todas lo ‘nucstras posibles de una poblaciér, Por ejemplo. la distribucivn de muestrea de la media de ty ‘muestra tiene una media igual a la media de ta poblacidn, busin de probabilidad. Es la relaicn entre los valores que puede tomar una variable y I prox pabitidad que le eorresponde. Por ejemplo: sien una bolsa hay 5 canicas rojas. 7 verdes y 3 area, ts dsubucion de probabilidad es 5/15, 75 y 3/15 para las canicas rojas, verdes yaztles, respec famente. Bn el caso de variables cortinuas. la relacidn se maneja veneralmente por medio de wna fincion de densidad de probabilidad,cuya integracin entre menos infinitn y mis infinite pre duce un tea de uno (100%), istribueién de probabilidad binom ejemplo: articulo bueno o defectuoso; alumno aprobado o reprobado, Distribucién de probabilidad Chi euadrada. Distibucin con sesgo positive (la cola lrsa est a fo detecha): que tienda fa normal cuardo el nimero de grados de libertad es muy’ srande: que tene ‘alores desde cero hasta infinito (séle postivosk y que es particularmente ati! par anal la va riabilidad de una distribucion. Distribucién de probabilidad de Poisson, Aquella cn la cual la media se presenta en unidades de ‘iempo 0 espacio, Por ejemplo: automéviles por hora: manzanas por drbol Distribucién de probabilidad exponencial. Variante de la distribucion de probabilidad de Poison Pistribucidn de probabilidad hipergeométrica. Variant de la distribucign de probabilidad bina Distribucidn de probabitidad normal. Aquella en Ia cual, a partir ce un punto central de maciond frecuencia (a media de distribucién), os valores mayores y menores que la meulia se distribuven simeétricamente a derecha e izquietda, disminuyendo gradualmente hasta des forma que tienen la mayoria de las distribuciones de probabilidad. Pistribuciones de probabilidad simetrica, Aquella en la cual, a partir de un evento genirl de p= bubilidad ménima. ta probabilidad de los demas eventos. u un lado y otro del central, disminve sradualmente, Pistribucion de probabilidad de Student. Disribucidn semejante a la normal, que se aplva an ; lisis de muestras. cuando éstas son pecuefis. Distribucién de probabitidad uniforme. Aquellaen ta cual todos los eventos simples tienen hi mie ma probabilidad de ocurrir. Di coisa ans enianveanveanAniamteinsctlitninmeaaini Aguella en la cual los resultados posibles son silo dos, Par never. Esta es la E Feiencia del estimador. Permite comparar dos o mis estimadores de igual media: el del menoe Fianza es mis eficiente. Exvor estindar del ajuste. Es una medi: de los errores en que se incurte al sustituir los valores We adlerys abservados por los resultantes de La formula de ajuste. y permite cuamtficar uns promedio de dichas difer ores, Exror probable. 1.60 metros. Histograma, Diagrama de barras que representa a escala, el mimero de clementos que componen cada una de las clases de una distribucién de frecuencias. nen estudio. Por ejemplo: la media de esta tras es supe: s nla, Se le conoce come H, . Por ejem- Intervalo. Vea Ancho de clase. Intervaio de confianza. Espacio definido por dos limites (inferior y superior), dentro de los cuales se encuentra el valor verdadero que se busca. Por ejemplo: el intervalo de confianza de la media esta entre $6.50 y $6.80, L Limites de clase. Son los valores inferior y superior (o limites nominales) que detimitan una cla Por ejemplo: Ia clase de estaturas de 1.61 a 1.70 metros tiene como limite inferior el valor 161 m ¥Y como limite superior el valor 1.70 m. es exactos. Conocidos tambign como fronteras, son los valores inferior y superior que delimitan com precision una clase. La caracteristica mas destacad de los limites exactos es que el limite SU petior exacto de una clase es igual al limite inferior exacto de la clase siguiente. por ejemplo: la Clase de estaturas de 1.61 a 1.70 metros tiene como limite inferior exacto el valor 1.608 m y come limite superior exacto el valor 1.705 m Limites nominales. Son los limites de ck Lis de una (abla de distribucidn de frecuenciasTT A Ane.0s 263 ~C-O-O— M Marea de elase. Es el valor localiza al centro (o punto medio) del ancho de clase, Este valor puede considerarse como el promedio de Ios elementos de ta clase. Por ejemplo: la clase de eotatunn do 1.61 a 1.70 metros tiene como marca de clase el valor 1.655 m Media. Conocida comsinmente como promedio, es la medida que resultaria al asignar de manera unic forme un mismo valor a los elementos de un conjunto. En otra forme. podria decirse que ela al tura de una linea compensadora imaginaria que equilibre los valores mayores von los valence menores de un conjunto de datos Media geométrica, 1a media geométrica de un conjunto de n valores ¢ de tales valores, Por ejemplo: la media geométrica de 7,9y Iles: WT*9= TI) =v TUF = 88d Mediana. Es el valor del elemento de la posicion central de un conjunto de datos ordenados, Se tnumero de datos es par, la mediana zs el promedio de los valotes de los dos elementos centrales 1La mediana divide la distribucion de datos en dos partes iguates. Método de minimos cuadrades. Determina la ecuacién de una curva que minimiza fa suma de los cuadrados de las desviaciones de los valores observados,respecto alos caleulados con a curva Moda. Es el valor mis frecuente de un conjunto de datos. Momento n. Es el promedio de ls diferencias (elevadas ala potencia n) de cada valor respecto ala media. El primer momento es siempre cero, mientras que el segundo es la varianza de un conjunt de valores, Muestra, Conjunto de elementos extrafdos de un conjunto mayor —conocido como pobtacin—. {ue se estuia a fin de conocer aproximadamente las caracteristicas de la poblacisn de donde pro. viene, Muestra grande, Se dice de aquella en la que el mimero de sus elementos es de 30 0 mis autores fijan ese valor en 25) Muestra pequefia, Se dice de aquella en Ja que el nimero de elementos que la componen es menor que 30, Muestreo. Proceso de obtener en forma sleatoria un conjunto de elementos representatives de wna poblacidn, afin de estudiar algunas carecteristieas de Esta Muestreo con reemplazo, Aquel que se realiza regresando a la poblacién el elemento extraido, con Jo cual puede ser seleccionado nuevamente, simulando asf una poblacién infinita Muestreo sin reemplazo. Aquel en el que el elemento extraido no se regresa a la poblacién de donde se toms, evitando asi que pueda ser seleccionado nuevamente. Muestreo destructive, Transforma las caracteristicas de las muestra. Por ejemplo. al determinar ka Vida til de una lant ola cantidad de jugo que produce uma naranja la muestra se destray Muestreo no destructive, Este se realiza\in modifica las earacteristicas de fas muestras, Por ejemplo. al determinar la estatura o el peso de una persona, oel saldo promedio diario de una cuenta bancaria N Ja aie n-ésima del producto algunos, Nivel de confianza. Expresa el porcentaje de seguridad de obtener un resultado. Por ejemplo: con un nivel de confianza del 95% Ia media esté entre $6.50 y $6.80. Nivel de significacién. Es el complemenco a 100% del nivel de confianza, Es el valor ble de probabilidad de cometer un error de tipo 1, Se identifica por letra griewa alfa a P Parémetros. Valores estadisticos de una poblacién, Compare este concept con el de estadisticos, Permutacién, Agrupamiento de clementos en el cual el orden de éstos es importante. Por ejemplo: en tuna permutacisn el grupo de elementos ABC es diferente al grupo BCA. Compare este concepto con el de combinucion.OCC = 264. Probabiiady estadlex AAA Aaa Poblacion, Es el total de elementos de un conjunto, Por ejemplo: el total de manzanas producidas en Ja huerta “La flor”, 0 el total de articalos claborados en una fabrica de cuadernos. Compare este concepto con el de muestra Poblacién finita. Aquella cuyos elementos pueden contarse. por ejemplo. el nimero de ballenas en e mundo. Poblacién infinita, En ésta, el ndimero de elementos es sumamente grande, como los granos de arena ‘en el mar, o definitivamente no mediible, como las estrellas del universo. Poligono de frecuencias. Figura certada delimitada en su base por el eje horizontal. y cuyos vértices son los puntos centrales de la horizontal superior de cada barra del histograma. incluyendo tam. bien la clase anterior a la primera y la clase siguiente a la dikima Porcentaje de variacién. Proporcidn, en porcentaje. de la relacién de la desviacin estindar respecto a la media de un conjunto de datos. Porcentiles, Identfican los valores que dividen un grupo de datos en 100 partes iguales, Probabilidad. Disciplina que se encarga de analizar situaciones en las que interviene el azar. Es la re- acid entre el niimero de resultados exitosos respecto al total de resultados posibles, Probabilidad compuesta o conjunta. Es a probabilidad correspondiente a un evento compuesto por dos o mas eventos, Por ejemplo: la probabilidad de que al lanzar un dado y una moneda. el dado ceaiga en 3 y Ja moneda en sol Probabilidad condicional. Es la probabilidad correspondiente a un evento si se conoce que ya ocu- rig otro evento del cual depende el primero. Por ejemplo: ta probabilidad de que Ilueva hoy. si el porcentaje de humedad relativa en el embiente es mayor del 80% Promedio mévil. Este promedio considera s6lo un subconjunto de un conjunto mayor de datos. redu- ciendo asi las diferencias entre los datos originales. Promedio ponderado. Es el promedio de un conjunto de datos, afectados cada uno de ellos por un factor de ponderacidn, Este fuctor le da una importancia relative a cada uno de los datos. Pruebas de hipétesis. Procedimientos que permiten aceptar 0 rechazar hipdtesis con base en los resultados obtenidos por muestreo. Pruebas de dos colas. Aquellas que se realizan para distribuir el nivel de si ificacién en los dos extremos de la distribucién. Por ejemplo, cuando se desea comprobar que el espesor de una cartulina esté dentro de un valor minimo y un valor maximo, Los valores dentro de ese intervalo forman la regién de aceptacién, los dems estan en Ia regiGm de rechazo. Pruebas de una cola, Aquellss en las que silo interesa el error en un lado de Ta distribucién. Por ejemplo. cuando se desea comprobar que la duracién media de une lanta sea mayor que 60 000 kil6- ‘metros. Los valores superiores a 60 000 km forman la regién de aceptacién, los dems estan en Ia n de rechazo. Rango. El rango 0 amplitud es la diferenciaentre el valor mayor y el valor menor de un conjunto de dates. Recta de regresién. Conocida también como recta de ajuste, es aquella que se obtiene al minimizar Jos cusulrados de las distancias vertica.es (errores) entre dicha recta y los valores abservados. Regresion. Técnica para obtener una ecuacisin para efectos de estimar o predecir con base en valores observados. Vea anclisis de regresién, Regresi6n lineal, Regresisin en la cual la ecuacién que se obtiene es la de una recta Regresién no lineal. Aquella en Ja cual la ecuacidn que se obtiene es la de una curva. Regresidn miiltiple. Aquells que incluye wna variable dependiente y dos 0 més variables independientes Sesgo. iedida que expresa ia asimetria de una distribucién, Vea Coeficiente de asimetria de Pearson Sesgo negativo, En °(X,P) 7. Probabilidad condicional La férmula de Bayes = PUAIB) PB) Pieia) 8. Distribuciones de probabilidad para variables discretas La distribucién uniforme Probabilidad = \/Niimero de eventos La distribucién binomial xray Pixs Media y desviacién esténdar de la distribucién binomial para la poblacién infinita Med Media Nimero de eventos (Probatilidad de éxito) nep=p s [Nimero de. Probabilidad Probabilidad o= \nepe=5) = ope Media ydesviacin estindarde la distibucién binomial para la poblacin inita Media = Niimero de eventos (Probatilidad de éxito) Media =n*p=p Desviaciin _ ‘Riimevo de> Probabilidad —Probabiidad { Factor de esuindar ~\ eventos de éxito de fracaso | correceién | Renee is Tamaito de _ Tamatto de” fa poblacion ta muesira FC = Ratz} Tanai Ta poblacién~1‘Anex0s 275 --O-O— Sesgo y curtosis, Probablidad (Fracaso) ~ Probabilidad {Exit q-P Sesgo = t [Numero de Probabilidad Probabilidad pq \ eventos “(Exits)” (Fracaso) 1~6+ Probabilidad (Exito)+ Probabilidad (Fracaso) Curtosis = 3° Pan Te) en Precese) ‘Niimero de eventos «Probabilidad (Exito) + Probabilidad (Fracaso) Curtosis = 3+ pq La distribucién hipergeométrica (=i) lah) ; (i=) (N-T—n4ayt) (aT-xp}) P(x1N,T,n,) = <2 mn)! (NTC TW =n)! (n= x)UN Tons xyal(T—x)(ND), Media y desviacién estdndar de la distribucién hipergeométrica Media=n*T/N=np Desviacién _ [nT (- 2) [Nea esténdar ~\ NIT WY N N ima) La distribucion de Poisson P(x éxitos) =P(y=y x1(2.71 828) xe" Media y desviacién estdndar de la distribucién de Poisson Media = Niimero de veces que ocurre el event Desviacidn estdndar = 4/Nimero de veces que ocurre el evento = Media y desviacién estandar de las distribuciones discretas LXP Media = sus {Cada valor + Protabtidad (Cada valor) esiacion : Pesviacin «aie [sums [Cada valor ~ Media)’ + Probabiided (Cade valor} vestdndar U c= S[(x -¥) PJO-O-O— 276 Probabilidad y estadistiew RPA A$$?$_$______ 9. Distribuciones de probabilidad para variables continuas Determinacién de la variable normalizada La distribucién normal como aproximacién a la binomial Si: (Mimero de articulos + Probabilidad de éxito) 2 (Nuimero de articulos + (1 ~ Probabilidad de éxito) 2 5, np 2 Sy n1— p25 Entonces: La distribucién normal como aproximacién a la de Poisson Si Media > 10, entonces Media de ta normal = Media de Poisson = Valor Media£05_X~w+0S Desviacién esidndar” La distribucién exponencial PEL primer éxito ocurra 718: antes de un tiempo T) P (El primer éxito ocurra antes de un tiempo T)= 1 P(0 10. Analisis de tendencias Ecuacién de la recta de regresién ‘mx + b Om es la pendiente de fa recta) Niner de datos * Suwa (X* ¥)—suMa(X)*suMA() aS v= SoZ Mimero de daros® susta (X? )— (Suma OV) ole AEsAnex0s 277 ~Q-O-Q— p= SUMA(X? J stata (y)—SUMA ix)eseMA (XY) Ya? Sy- Tx Ea ‘Miomero de datos © Stima (X°)~ (SUA (X)) De —(Es}P Coeficente de correlacién lineal te nZay- adv y PE -(Say'] fox. -)] Error estindar del ajuste Exror estdndar __|suma (Valor obs det ajuste AHO-O-O- 278 Probabilidad y estadistiea AP@@A@$A aaa Anexo 10. Soluci6n a los ejemplos propuestos Capitulo 2 1. Unidad de variacion = 0.1, intervalo = 12.6 Solucién basica Soluciones alterativas Limite | Limite | Limite Limite | Limite Inferior) superior] Frecuencia) | inferior | superior Frecuencia || inferioe| superior 227 | 382 8 226 | 351 8 25 | 350 353 | 478 4 352} an7 4 as | are | 479 | 604 7 478 | 603 6 417 | eu2 Las} no{ s | [eels | +} [ea] oe | 2. Unidad de variacién = 1, intervalo = 92 Solucién basica Soluciones alternativas Limite] Limite [ Limite | Limite | | Limite F imite inferior! superior| Frecuencia | infericr | superior | Frecuencia | | inferior | superior 489 | sao | 6 488 | 579 6 487 sm | 6 ssi | 672 4] fof on | 57 | 6m 2 | 7s | 764 1 om | 763 | # on | mw | 9 | cae A so | 855 8 ye | asa 7 | as7 | 94s 5 ase | 947 5 B55 | 946 6 3. Unidad de variacién = 5, intervalo = 30. Solucién basica Soluciones alternativas Ciite) Line [ nterinsuperion No existen, a menos que se modifigue el ancho del 74 | 100 imtervalo u otta variable. 130 10 | 16s} 190Anex0s 279 -Q-O-O— TABLA 1. Unidad de variacién = 0.1 Limite | Limite *] Limite inferior | superior | Marca Frecuencia superior | Frecuencia| exacto | exacto | clase relativa 50.2 2 3765 | 5025 | 4395 | 0.2705 | 27.06% 628 so2s | 628s | 56.55 22.35% 154 285 | 7545 | 6915 88% 880 yas | anos | 8175 | 02471 | 24.71% el 1.0000 | 100.0% TABLA 2, Unidad de variacign = 1 Limite “| Limite | Limite inferior | superior | Marca Frecuencia inferior | superior | Frecuencia | exacto | exacto | clase relativa 504 595 21 soss | s055 | 3495 | o2000 | 2000% 596 687 19 | 595s | 6875 | 6415 | o1si0 | 180% | 688 19 2 | 6755 | 7795 | 7335 | 02005 | 20.95% 780 ani 23 | 7795 | sms) s255 | 02190 | 21.90% 872 963 20 | ams | 963s | 917s | 0.905 | 19.05% [ Total 105 1.0000, | 100.00% TABLA 3, Unidad de variacién = 5 | Limite | Limite | : | Limite inferior | superior | Marea | Frecuencia | inferior | superior| Frecuencia) exacto | exacto | clase relativa vo | us ine | ns | 102s | 0212s | 225% | 120 145 20 wa7s | 1325 | 02500 | 25.00% | 150 175 2 W775 | 1625 | 02750 | 27.50% 180 205 2 2075 | 1925 | 0.2650 | ‘Total 80 1.0000, | 100.0%C—C— 280 Probably estadistiey a$$ TABLA I. Escala de estaturas 1 m= 1 em T Regién Caribe | Centro | Norte | Sur ] je estaturas (em) 12 | 165 | 170 [te | Eje peso (kg) 162] 1st {1.73 | 1s7 | TABLA 2. Escala de costo: $10.00 Cable de acero | Marea 1 | Marea? | Marca3| Marea 4 | Marea | eje costa vem) | 16¢ | 240 | 216 193 | oon | L Eje resistencia (cm) | ed 2.21 2.00 = 2.05 TABLA | Limite inferior | Limite superior Frecuencia | Frecuencia exacto exacto Frecuencia) acumulada | complementaria | 3705 | so2s | 62ss 15.45 Total 85 TABLA erior | Limite superior Frecuencia | Frecuencia | exacto exacto Frecuencia | acumulada | complementaria 5035) 595.5 2 a | 84 5055 oss 19 40 65 6875 7795 2 | @ B | 779.5 S715 oes 20 ss | 93s | 20 105 0 Total 5 TABLA te inferior superior Frecuencia | Frecue exacto exacto Frecuencia | acumulada | complement StS TS 7 7 63 | nas | a7 2 37 4B | | a so | 0—_—_—_ Anexos 281 -O-Q-Q— 1 TABLA I TABLA2 TABLA3 Give J Frecvendal “Anaul] [Close [eeuencis | Angulo] [Clase | Frecwenis | Ragas ee | ee eos ee ee B w | gs Be cen |e 2 | m0 joc 2 92/1] 3 2 754 z 2 99.0 | D 2 aso | fg pom fee Flow os em lame oA Total 85 soo] | 5 | 20 68.6 | | Total 80 | 3600 ‘oat | 105 | 3600 8. Unidad de variacién = 5 (180 ~ 16045) 0+ 5) 5) a) Nv= 225254 +764 = 27714 naranjas Ny + 2923 = 26 629 naranjas b) i+ §) * 2923 = 26 629 naranjas (180-1704) |, Oke ais eg. 1726423013 (240-2205) , (250-2205) #2923 = 2088 Resultado = 3113 1 11 450 + 2088 = 16 651 naranjas 9%. Unidad de variacion = 5 Limite | Frecuencia superior | absoluta Clase | ¢gramos) | gramos) | (gramos) _| 4 ins 180 13.509 Bo} ss | os 11.450 Le 220 | ss, 11075 10, Unidad de variacién Limite | | superior | Frecuencia absoluta | (gramos) (naranjas) 155 6245 + 207.5410) = 8320 270 207.54(25) + 11 450-+ 2023 +232.91120) 24220 Hos 2.910 »—0-0-0- 2 4) 4128(100/120) + 2716(S0/150) = 4345 facturas b) 2716(50/150) + 3264 = 4169 facturas 12. Minimo = 45, maximo 2, ancho = (62 ~ 45)/a = 5, == | Limites [Frecuencia Capitulo 3 L ‘Media = 19.10/11 = 1.74 m; moda = 1.68 m; posicién de la mediana = (11 + 1/2 valor de la mediana = 1.72 m. a 7 VERDES, 4 ROJOS, 3 AZULES, 1 BLANCO; moda = VERDE 3 Peso total deseado = 425(6) = 2550 kg Peso de los 5 toros = 2118 Peso faltante: 2550 ~ 2118 = 432 kg.o més (Por lo menos 432 kg) 4 Suma de tiempos = 9h, 405 m = 15:4 45 15% 15, a 715-75 Promedio de cada viaje = 15.75/15 = 1.05 = 1:03 Velocidad promedio = 48/1.05 = 45.7 km/h '82 Probabilidad y estadtstiea | Frijol | Arvoz | Pan | Dentitricos | Perfumes [Total Compra (S) [260 ) 21s | oa9 506 | 1735 = Venta (8) | 299 | 235 | 06s 926 | 39.90 = | Volumen deventa | 617 | 395 284 7 = | Total de compra | 160420 | 827.75 | 629.16 #675 | 3233.88 | Total de vemta 1844.83 | 98175 | $34.60 199.50 | 4018.10 | Porcentaje/compra | 15.00% | 18.40%) 32.65% wee | 24.25% [Pureenajetens | 13.04% | 1seo%| 24.62% 56.52% | 195%LL . . Anex05 283 -O-O-O— 6 Ventas de mayo: $268.00, ventas de septiembre: $274.00. a Dia 1 2 3 4 5 Niimero de bacterias 16.8 234 30.9 44.5 62.5 Factor de crecimiento de un dia al siguiente 1.3929 1.3205 1.440) 1.4045 Porcentaje de crecimiento diario 39.20% 32.05% 44.01% 40.45% Promedio geométrico = X/T.3929+ 1.3208» 1440] * 1.4055 = 1.3888 Porcentaje promedio de crecimiento diario = 38.88% 8. (50 ml x 1.79% + 20 mb x 2.5 % }/(50 ml +20 ml) = 1.92857% El porcentaje anterior es menor que el desea, por lo que debera jadirse una cantidad y de fa solucisn mas concenttada, esto es: 1.928576 (70 ml) + 2.59%(x ml) = 2.2670 ml +.x ml) Al resolver la ecuacién, x resulta ser 63.3 mililitros ». Limite [Limite | inferior | superior Frecuencia | Frecuencia | Clase_|_exacto | exucto | Marea | absoluta | acumulada | del nim.| a nim, Contenido | I Hl 12s | 147s | 130 e245 6245 1 | 62as | 2 lazs | 1825 | 165 7264 13509 | 6246 | 13509 3 182 2175 | 200 | 11450 24049 | 13510 | 24959 27.882 | 24960 | 27 882 36034 | 27883 | 36034 Medici = 7 188 355/36 064 = 199.488, Posicion de la medtiana = (36.034 + EV 8 017.5 (Tercera clase) Mediuna = 182.5 + 35 = 196.28 Moda = 18: 94.02—0-0-0- 284 Probabilidad y estadistiea 10, Solucién: Compaiita | Acciones | Compra | Venta | Inversin | Recuperacién | Utilidad Porcentaje| A 125 [$68.75 | $62.87 [$8593.75 | $7858.75 | 6735.00)| 855% [8 [240 [ si9.08" | $22.73 | $4579.20 | $5435.20_| $876.00 | 19.13% {__ © | 85 7852.16 | 85836 | $4433.60 | ~ $4960.60 | $527.00 | 11.80% | Totates | $17 606.85 | $1827455 | s668.00 | 3.79% | LL, Media = 472/14 = 33.714 metros etib:cos por mes Mediana = (29 + 32/2 = 30.5 ‘Moda = No existe para este grupo de valores, todos son diferentes, Consumo mensual = 33. 714 (6257) = 210 950 metros ciibicos 210 950(1000)/(30 + 24 + 60 + 60) = 81.4 Ips 12. Costo actual = ($300.00 + $500.00 }/89 horas = $10.00 por hora Costo propuesto = ($300.00 + $650.06V/100 horas = $9.50 por hora Observe que. a pesar de que el precio promedio por hora de los dientes de corte propuestos es mis alto que los actualmente en uso, su costo total es mas bajo que éstos. 1000 metros (1000 metros) = 1 000 000 metros cuadrados 1.3 km? = 1 300.000 metros cuadrados > | Nombrede | Plantasencontradas | Plantas por Plantas en 1.3 | Faplanta | en la muestra metro cuadrado | kilémetros cuadrados | Potentitta | fraticosa 91s 0.4357 566 400 Pulsatitla ris 248 | outst 153.500 Veronica | spicata 397 0.1890 245 700 4 277.4 pacientes por mes 272 + 274)/2 = 272.5 pacientes por mes Si. Bl promedio de verano es mas alto que en las demas estaciones. 15. Posicidn de Q, = 7.25 0,= 185 Posicién de D. D,=40 Posicion de P. P= 265Anexas 285 -O-O-O— 16. ie Limite | Limite Contenido inferior | superior Frecuencia | Frecuencia Clase | exacto | exacto | Marea | absoluta | acumulada | det néim,| al nim, 1 sos | 35s | 33 | 3758 | 3758 1) 3758 2 355} 40s | 38 | 3635 7303 | 3789 | 7303 a) 40.5 45.5 43 | 3084 10477 7394 | 10477 | 4 455 | 505 | 48 | 3796 14273 | 10478 | 14273 | 5 sos | 555 | 33 435 14708 | 14274 | 14708, Posicion de Q, = 1+ 904708) 1031.25 (Cuarta clase) 314 7084 ~ 10.477 3+ 6.2 fe [Sess 714 708-1) Posiein de D,= 1+ “STEM jo 2359 (Tercera clase) 714 708/10 7393 2405+) RAISON Te | 5a 45.21 o,=10s9| | 29(14 708-1 Posicidn de Pyy= 1+ =D «4366.03 (Segunda clase) 34 708)/100 + | POR | 5 = 36.20 Farce Capitulo 4 1 Rango=85-47=38 — Media =978/15 = 65.2 kinhh Desviacién media = 150.6/15 = 10.04 kmih Varianza = (65 870 ~ 15(65.2F 15 = 140.293 knv/h al cuadrado Desviacicn estindar = \/TAQ2N3 = 11.845 kaw 2 Media = 978115 = 65.2 Variansa = (65 870 ~ 15(65.2°V15 ~ 1) = 150.314 ky al cuadrado 314 = 12.260 Deswiacién esténdar = \V Media = 978/15 = 65.2 mp/h Varianza = (65 870 ~ (15) 65.200. Desviacién estéda 140,193 m pfh al cuadrado, L845 m pfhooo 286 Probabilidady estadistleg Coeficiente de variacién = 11.845165.2 Porcentaje de variacién = 0.18171100) = 1817 18.17% Media = 978115 =65.2 kg Mediana = 63 Varianza = (65 870 ~ (15) 65.22yi5 = 140.293 kg Desviacin estindar = VTA0.293 = 11.845 Segundo coeficiente de asimetria = 3 (65.2 — 63)/11 845 557 5 = 2.04.4/15 = 140.293 10.24/15 = 37402 r, = 577 204/15 = 38 840 Cocficlente de curtosis = 38 480/140.293 = 274.28 6. (652.1 - 683.5V52.1 = -0.6027 (683.5 ~683.5)52.1 = 0.0 (007-4 ~ 683.5y52.1 = 0.4587 7. 1652.1 ~ 683.552.1753) 342 683.5 - 683.5)(52.UVT5) = 00 652.1 ~ 6835 0(52.1/V/TS) = -2.3342 8. (652.1 ~683.5)452.1/T0) = -1.9059 683.5 ~ 683.552.1110) = 00 707.4 ~ 683.5(52. TO) = 1.4506 9. [ Mimite inferior | Limite superior | Frecuencia | Frecuencia | | Clase | exacto exact Marea | absoluta | acumulada | i M75 10) a2as os 12 | i258 165 7264 13 509 13 ws | 20 | 40 | 24040 i 225 | oas 2923 27882 270 81 36.054, Media = 7 188 355/36 034 106 300 ~ 36 034 + 190.488°)/96 034 Desviucién esiindar = T3055 Nivianca 2303.84a Ancr0s 287 -0-O-O- 1. T imite superior | Frecuencia | Frecuencia Clase exact | Marca | absoluta | acomulada 1 1475 130 24s 624s 2 125 165 7264 13.509 3 2175, 2.00 31450, 24 949 4 2595 rs | 27882 5 i eB u1s2 | S603 Rango = 2.875 ~ 1.125 = 1.75 Media = 71 883.55/36 034 = 1.99488 Varianza = (151 700.63 ~ 36 034 (1.99488")/36 034 = 0.230384 Desviacién estindar = 0.230384 = 0.87998 Capitulo 5 2 (8 ~ 2)! = 40 320/720 = 56 = 8(7) a) 8 by 5131= 1206) 320 = BY/(8— 3)! = 40 320/120 = 336 = 8 +7 +6 81/31(8 — 3)! = 40 32016 « 120 = 56 301/(39 — 6)! = 2 349 088 560 196! (39 ~ 6)!) = 3 262 623 (Sin flores indica cero flores, y es una opzi6n mis) 2 910+ 8 = 720 placas=O-0-O— 285 Probabilidad y estadistieg AR@aA$$p?$?J>____$_$_$_$_$___ (10° ~ 10) (27? 27) = 990 «702 = 694.980 9. Claves diferentes = 27 +27 +27 = 19 683 Valor mas grande = ZZZ. = 21(729) +27(27) + 27 = 20.439 Valor mds pequeiio = AAA = |(729) - 1(27)-+ 1 = 757 10. Excalas diferentes 0889 x 102" }0 889 cuatrillones Capitulo 6 L a) 1458 = 0.2414 = 24.149 by) (58 — 14/58 = (1 ~ 14/58) = 0.7585 = 75.86% 6) (14 + 23Y58 = 0.6379 = 63.79 % 2 4) (14/58) (14/58) = 0.0583 = 5.83% by (1 ~ 14/58) (1 ~ 14/58) = 0.5755 =57.55% ©) (14058) + (23/58) (14/58) + (21/581 (14/58) = 0.2414 + 0.0957 + 0.0874 = 0.4245 = 1 - 0.5755 3. Hombres~ Doctores Mujeres Doctores & Probabilided = aa 64 2% (4) 6 ) 30 La Qed Hombres no doctores = 24 P (Maria, blanco) = 2/(2 + 6) = US P (Luisa, blanco) = 3/11 Piay= V4 x 31t = 3/44 Piby= V4 x1 3/11 = 1/4 x B/N = Bd P(eySL x ~ 14) = I x 3d = O14Aneros 289 —O-O-O— 5. (4/12)° = 0,000579 = 0.0879% 6. La mitad de los 216 resultados posistes (6 x 6 x 6) es par. De éstos, slo tres (1. 1.2),(1.2, yy (2.1, 1}, no son mayores que 4, por lo tanto: Psuma es par, mayor que 4) = (108 ~ 3/216 = 0.4861 [7 PAR — PPP=0.5+0.5+0.5=0.1250 PAR _ non — PAR PAR — NON: NON — PNW = (26/27) (0,5) = 0.1204 (Excluye las caras 2, 1.1) [— PAR — PAR NON — APN = (26/27) (05°) = 0.1204 (Excluye las caras 1, 2.1) NON F— PAR = NNP= (26/27) (0.5) = 0.1204 yon (Excluye tas earas 1, 1,2 ‘— Non— 81475 E14 = 281 475 0C0 000 000 Probabilidad (— Comedor (0.25) 0.0825 Comedor (0.25) ——}— Sala (0.35) ——— 0.0875 {— Refigerador (0.10) — 0.0250 = Otros «30; —— 0.0750 F~ Comedor (0.25) — 0.0875 Sala (0.35) ———— Sala (0.35) ——— 0.225 [— Refrigerador (0.10) — ~ otros (0.30) j— Comeder (0.25) 0.0250 Sala (0.35) —— 0.0350 [= Refrigerador (0.10) — 0.0100 — Otros (0.30) —— 0.0300 Comeder (0.25) — 0.0750 ros1030)——E sani03s——— 01030 = Refrigerador (0.10) — 0.0300 — otros (0.30) ——— 0.0900 SUMA = 1.0000—O-0-0- 290 Probabilidad y estadistica 9, Probabilidad P01 T~D~oo15) — 0.000 003 375 B (0.985) — 0.000221 625 D = (0.015) —p ~10.985) D—C.015)— 0.000221 625 B~(.985)— 0.014 13.375; | =D ~(0.015) TP .015)— 6.000221 625 | —B ~ (0.985) — 315 5 ~ (0085) Jt —B —(09851 D~ (0015) — is (0.985) — 0.955 671625 sta = 1.000.000 000 10, EM. = $680,00(0.17) + $750.0010.28) + $820,000.45) + $950.00(0.10) = $780.60 u. EM, = 2800(0.20) + 2 900(0.25) + (3000)(0,40) + 3100(0.10) + 3200¢0.05 5 tonehadas 2, B=0.200.70-—* ap 0(0.201(0.20 +050) = 11.43% c=0s007 AC = 0.40(0.50)/(0.20 + 0.50) = 28.57% A= 0:30/0.80_-* CA =0.25(0.30)40.30 + 0.50) = 9.37% 0.25(0.50/10.30 4.0.50) = 15.63% 0.35(0.30) = 10.50% —* DB = 0.35(0.20) = 7.00% “DC =0.3510.50) = 17.50%Probabilidades por parejas: AyB= 1143 % Ay C= 28.57% +937 % = 37.94% Ay D= 10.50% ByC=1563% ByD=700% CyD=17.50% 4) (0.95) (0.95) (0.95) = 85.74% ) (0.05) (0.95) (0.95) + (0.95) (0.05) (0.95) + (0.95) (0.95) (0.05) = 0.0451 + 0.0451 + 0.0451 = 0.1353 = 13.53% 4. Total = 153105 — Rojos = 103110 ~ 3)! = 120 P (Tres rojos) = 120/45: 26.37% tra solucién seria P (Tres rojos) = (10/15) (9/14) (8/13) 15, a 37 6) 26 oy BIT Capitulo 7 La solucién puede ser cualquiera de as siguientes: (ata Moroso &2 Alta Cumplido 2 | ON / ~\ ee Se _— ‘Alta Moroso 2] ‘Alta Cumptido & io > | PX Y ( 497 2: 3 (232 285 Ba | [Gres 285 63 4) Probubilided Baja, moreso) ‘by Probabilided (Baja, cumplido ) = 497/285 + 497) = 63.55% 232463 + 232) = 78.64% Anex0s 291 —O-O-O—Sc ac 4) Probabilidad (Claro) = (13 +8 V(13 +8 +615) =3.3% ) Probabilidad (Oscuro) = (28 +17)/(28 +17 + 872) = 4.9% ©) P (Accidente) = 1348428417 Boos 13484 615+ 284174872 — 1553 25% Pechabiided Museos (0.80) — 0,160 Morelia (0.20) ale Otros (0.20) — 0.040 Flaya (0.40) -— 0.140 veer 035) owes 040) — nao — Acapulco (0.45) Playa (0.70) —— 0,315 Ctros (0.30) — 0,135 a) P (Acapulco, playa) = 0.315/(0.140 + 0.315) = 69.2% 0.160 + 0.040 0.160 + 0,004 0.210 + 0.135 5) P (Morelia, sin playa) = Ota forma de resolver el mismo caso es las jugar [_Maseos [Playa Ome [Toate] Miata | see 30 [MTOM (a eee (Neracruz 0 | 40% de 35% 60% de 35% 35% ‘Acapulco 0 | Tow de 45% | 30% de45% | ase Teas | 16 Ba 35% | Toe 4) P(Acapulo, playa) = 31.3% 45.5% = 69.2% b) P (Morelia, sin playa) = 20% (16% + 38,5%) = 36.7% Porcentaie 7 Exportacion (0.22) — 12.76% per (0.58) ——_ Local (0.78) —— 45.24% j—Expontacién (0.35) — 6 65% Lcateado (0.19) —L [cal (0.65) ——— 12384 —Perfumeria (0.23) —— Exponacisn (0.00) — 0.00% Local (1.00) ——— 23.00% <4) Ventas exportacidn = S685 000(0.1276 + 0.0665) = $132,958.50 by Reduceién = S685 000,00(0,0665) = $45 552.50Aner0s. 293 -O-O-O— 6 Probabilidad [— Atiempo (0.65)— 0.195 Liuvia (0.30) Retraso (0.35) 0.105 Seco (0.70) A tiempo (0.90) 0.630 ‘— Retrazo (0.10) — 0.070 Probabilidad (A tiempo) = 0.195 + 0.630 = 0.825 1 Sea 4 = Probabilidad (Manzano) = 750/100 = 0.76 B = Probabilidad (De jugo) = 653/100 = 0.65, P (ALB) = 450/650 = 0.6923, = PLBIA)= (0.6923 + 0.65)/0.76 = 0.5921 J De jugo (450)— [— Manzana (760) —— De mesa (310)— ‘Naranja (240) De jogo (200) — De mesa (40)— 8. Sea A = Probabilidad (Accidente con cintur6n de seguridad ) = 40% Probabilidad (Lesiones en un accidente) P(A|B) = P (Cinturén, si tuvo kesiones } P(B| A) = P (Lesiones, sf llevaba el cinturén) (0.0132 + 0.304y0.40= 0.01 = 1% Accidente [— Lesiones (0.01) 0.004 con cinturén (0.40) —— Sin lesiones (0.99) —— 0.396 Accidente [—~ Lesiones (0.50) 0.300 sin cinturén (0,60) —— Sin lesiones (0.50) ——— 0.300 9. (0.7340.017) + (1 ~ 0.73) (0.025) = 0.01241 + 0.00675 = 0.01916 B= P (Resorte del proveedor X) = 0.73 P(A1B) = Probabilidad (Defectuoso, si es de X) P (BLA) = Probabilidad (Resorte de x, si era defectuoso} = (0.017 + 0.730.01016 = 0.64770 Sea A= P (defectuoso) = 0.017-O-0-O- 294 Probabilidad y estadistica [= Buenos (0.983) —— 0.71759 [— Proveedor X (0.73) —— Pefectuosos (0.017) — 0.01241 Provestor ¥(027) —F— Buenos (0975) 0.26325 Defectuosos (0.025) — 0.00675 + Soluci6n alternativa con base en 100 000 resortes: Concepto Resortes titiles | Defectuosos | Total | Proveedor x 71759 1241 73 000 Proveedor y 26325 675 27.000 Total 98 O84 1916 100 000 Probabilidad (Resorte de x, si era defectuoso) = 1241/1916 64.77% 10. Concepto Color claro | Color oscuro | Total | Toros Hereford | 145 (19.48%) | a3 (442%) | 17a @a86%) Owes axes | 347046515) | 221.09.63%) | 568.76.15%) Total 492065.95%) | 254G405% | 746 100%) a P (Autobis| tarde) = (0.20 + 0.40)H0. 2 +040 +0.80+0.10) = 0.08/0.16 = 0.50 = 50% P (Exito | sin estructura) = 15% (por diferencia a 100%) Evento Exito | Pracsso | Totales | Conestrucura | 45% | 10% | Sse | Sinestructura_| 15% 30% 45% [toaes | 0% | aon | i008 | Sea.A = Exito B = Con estructura geoi6y PUA) =60 PUB)=35% PUAIB) P (BIA) = 45/55 » 55760 00 Piuno= 7 Nada = 35Anexos 295 -O-O-O- Capitulo 8 1 p= 200/(200 + 300 Probabilidad ( 04, 4 6 st Y=) Fe car 04" 6%) 1-04 x 0 1 2 5 4 5 6 Probabilidad (x) | .046656 | .185624 | 311040 |.276480 |_138240 | .036864 |.003096 (Aunque esta distribuci6n no conserva estrictamente una probabilidad constante y deberfa resolverse con Ia hipergeométrica, su solucién como binomial es adecuada.) 2 p= 200/(200 + 300) = 0.4 ‘Media = 6040.4) = 24 peces amarillos [500-60 Desviacidn estindar = (60) (0.4) (1-04) || éstindar = (60) 04) (1-04) | SE (Se aplics el factor de comreccivn porque 60/500 > 5%. 3 p=200/(200+300)=04, g=1-04=06 Sesgo = 08a 94. 92 9.192 Vi604+06 1.95959 Cunosis = 344820408 2 39.115 = 2.885 16-04-06 4 N= 20-4 30= 50 peces T=20 peces amarillos n= 15 peces Pays (50 = 20)1(20!) 031) (60-15)! (5— 710 - 20-15 + 7) QO TH 02 = 87199410" = 9.2016 = 20.16% 5. p= 200/(200 + 300) g=t-04=06 5 : Probabilidad (7) 15! (04) 06-7 7s — 7 = 6435(0,0016384) (0.01679616) = 0.177!—C-O-C— 296 Probabilidad y estadistica SS N= 20 +30 =50 peces T= 20 peces amarillos n= 15 peces ‘Media = 15 + 20/50 = 6 peces amarillos Desviacion estdndar = = 1.89737 + 0.84515 = 1.60356 4 toncladas (5 peces amarillos por tonelada) = 20 = 18, 20, 22 © P= 2, -ocmien sane 6) P(0)=> ©) P(22) : r——_C Probabitidad (x) [090718 |.217723 261268 | 209014 |.125408 | 060196 024078 (Observe que la suma de las probabilidades es silo 0.988405.) A= Media = 15(200)(200 + 300) = 6 p= ® 279.936 The® — 3040(403.429) 041377 =13.77% 10, ry n= 6 peces. 200 + 300 = 500 peces 200 peces amarillos (500 — 200): (2001) (61 (500 — 6) PC) OCI) (500- 6) ©)" GT a}(500 = 200 — 6+ a} (en G00 = a GDOD 1.1463 x 10°" {6 (298+ 1D (200—aa Aneros 297 -O-O-O~ 5 | an nts cae as] Probabiied | 045570] TeRGD0 | 512618 | 2778 | 487776 [wR6138 | oon | (Observe que la sums de las probabilidades es s6lo 0.999887.) nL. 4) P (0) = 31/0103 — 0)! (0.05) (0.95) b) PUT) = 3113 — 1)! 0.05) (0.95) = 0.1384 2. P (8) = 101/81(10 ~ 8)! (0.923)$ (0.077 = 14.05% P (9) = 10/98(10 — 9)! (0.923)° (0.077)! = 37.44% P (10) = 10!/101(10 ~ 10)! (0.923)" (0.077)? = 44.88% P (X28) = 14.05 + 37.44% + 44.88% = 96.37% P (Digito ocho) = 0.10 P (No digito ocho) = 0.90 4) P (Ningtin digito ocho) = (0,90) = 0.12158 = 12.158% O)P(X22)= PUK =2,3,...,20) 1-P(X=0)-P(X=1) = 1 0.12158 ~ 0.2707 = 0.60825 4 | ss Same 72 ]4]5]*]7]8] Probiidaa | 030 | 350 [320] #90 [00 [520 [ano] 390 [2n0 [180 15, ayn = 6,p= 0.08 P (falla) = P(X > I) = P(X =2)+ PC 1~P(X=0)-P(X=1) 34 + PIX=O) P (alla) = PX > 2)= PX = 3) + P(X = 4) 4 + PL 1-P(X=0)- P(X=1)-P(X=2) 1 — 0.80798 - 0.17492 ~ 001623 = 0.00087 = 0.087% )—O-O-O- 298 Probabilidad y estadstie~ APPA a@$T$@__$_______ Capitulo 9 1 8) 36.65% ©) 50.00% 1b) 48.68% 1001 = 0.5 + 0.4406 = 94.06% Probabilidad (x > 150\= 0.5 ~ 0.3810 = 11.90% Probabilidad (x < 120; = 0,5 ~ 0.1772 = 32.28% 3 Probabilidad (x > 100)= 0.5 + 0.4991 = 99.91% Probabilidad (x > 150). 0.4909 = 0.91% Probabilidad (x < 120) = 0.5 ~ 0.3238 = 17.62% 4 = para (99.9% ~ 50%) = 3.1 3. = (y— 3859/25 > 6 = 462.5 kim Combustible = 462.5 km (0.08 Lfkm)= 37 L = para (95% — 50%) = 1.65 168 = (6 = 6.20.8 =9 r= 7.52 milimetros 4 Media = 200 (0.04) = 8 Desviacion sténdar = (300+ 004-096 = 2.7713 <8 -0SVR 7732-12 Probabilded (> 5) = 05 + 0.3062 =89.62% iB Medio = Desviacicn estdndar = 150+0.06+0.94 = 2.9086 0-9 +0.512.9086 = 0.2 Probbilidad (x > 10 8 Media=8 — Desviacidn estdndar = ¥ 5) =(4-8-05)2.82843 P= ddan 2) 5110-84 0.5v2.82843—P, = 31.06% Probabilidad (4 Sx $10) = 44.41% + 31.06% = 75.47% 2.828439. Media=65 — Desviacién estandar = 70 ~ 65 + 0.5)/8.062 = 0.68 Probabilidad (x > 70) = 0.5 ~ 0.2517 = 0.2483 = 24.83% 10. i Promedio (1h) =8 Promedio (5 min) Probabilidad (5 min) = ~ 2.71828)0" (5/60 = 0.6667 0.4866 u. 225-215VI8=055 A 2088 Prob (Peso > 225 gramos) = 0.5 ~0.2088 = 0.2912 = 29.12% 2 = (Area de 40%) = 1.28 =1.28 = (Valor ~ 750)/40 horas Valor = =1.28 (40 + 750) = 698.8 horas 1B. Area de 45%) = 1.645 =1.645 = (Valor ~ 3.8 kgy0.31 ke Valor = ~1.645(0.31) + 38 Numero de plantas = 9 kg por planta 1250 kg/3.29 kg por planta = 1900 plantas 4, 4) Media diaria = 25 + 80 +7% = 140 Desviacién estanda 2 cliertes (150 - 140 + 0.512 = 0.875 Area (¢ = 0,875) = 0.3092 P(X> 150) = 0.5 0.3092 1908 = 19.08% by Media diaria = 30 + 80 + 7% = 168 Desviacién estandar 2 clientes (150 = 168 + 0.5)/12 = -1.46 Anes 299 -O+O-O——C-C-O— 300 Probabilidad y estadistica TTT sas Capitulo 10 Eay 300.46 (0.43) = 9.359 (0.58) = 10.454 Z Ex= 1406 Eay= 11 650 103, Eat = 283 658, zy y (150) = 6179.28 9354.72 y (210) = 8621.93 3. y= 185.366x + 4.366 1194 Days 13677 258 746 yil.7)=319 4, Eay= 36028 24 885 EQ-y P= 11.808 Coeficiente = 0.9985, Enror = 1.9839, 5. y= 2016x- 1.248 Eas 153 Ey=301 Eay= 8481 301 16743 E@-y)P = 18.7276 Coeficiente = 0,9943 Enor = 2.1638 6 y=4419x+ 17.809 Ex229 Eay= 1440 Ea = 209 y= 10551 Ey ay = 2.7554 Coeficiente = 0.999 Entor = 0830 7. y= 4653x+ 13,906 Ey=al z. Eay = 2808 Ext=48 x Eqy—y)? = 118.1679 Coeficiente = 0.9901 Error = 4.4379 8 Exy= 2321 = 11 640 Eqy-yh=27.4721 Coeficiente = -9.9991 Ector = 1.1169. y=3.117r-9.979 Er=10 Er=80 Coeficiente = 0.9988 10, y =-9.89x + 47.924 Erez 348, Coeficiente = ~0,9998 Caracteristicas Anexos 301 ~O-O-+O— Ey=-287 Eay= 149.60 Ey = 754,27 Ey-y'P= 1.5159 Error = 0.6156 By Exy=-1429 Ey 2604 E(y- y= 4.4627 Error = 0.8624 tipograficas de este libro, sin incluir esta pagina Numero de paginas 304 Iniciales 4 Separadores 10 De texto 232 De texto, en blanco, 6 De anexos 32 Nimero de renglones .... 14 347 De texto 12540 En blanco. 1807 Niimero de ejemplos 229 Resueltos, 139 Propuestos: 90 Caracteres utilizados Letras mayiisculas Letras minisculas .... 224 245 Digitos 41791 Caracteres en blanco .. 279 712 Simbolos especiales. .. 140 173 Letras .utilizadas 248 824 Cantidad era Cantidad Leta Cantidad « 34.463 c 12249 x 1618 a 28445 ‘ 1 sas y 1543O-O-O- 302 Probabitidady estadstley aaa A$ ______$_$_____ 20746 u 19589 q 1503 s 17816 m 2076 j 10 i 17762 P 7207 z 947 n 15859 b 4006 h 01 r 15671 v 2631 i m1 1 15.486 t 2592 k 141 4¢ 14is3 ® 1916 w 18 Palabras utilizadas 40 530 (1325 diferentes) Frecuencia de las palabras de mayor uso en el texto: ser -1549 un 1190 clase 751 ee. 1319 que £1059 Dos. 698 a 1294 en... 865 probabilidad ,. 655 Frecuencia de algunas palabras utilizadas en el texto: probabilidad. .... 655 Positive .....28 éxito 145 279 estadistica n negative .....17 fracaso 23 no. 176 Anexo 11. Apoyo de la hoja de calculo ‘Los ejemplos numéricos de este hbro pueden resolverse con una calculadora de funciones bisicas, pero el procedimiento de solucién se simplifica grandemente si se utiliza una calculadora con funciones estadisticas, © una computadora con un prozrama estadistico o una hoja de cleulo, Excel es el programa de hoja de calculo de mayor difusién y cuenta con un gran nmero de fun- cones. no solo de estadistica, sino también de finanzas, matemticas y otras ramas. Aqui se presentan solo algunas de las funciones estadisticas relacionadas con los temas tratados en este libro. Se re~ comienda al lector explorar ia enorme gama de funciones que este programa de hoja de edilvulo ofrece Una hoja de calcul esta formada por celdas, identificadas por el rengién y la columna donde se encuentran, Cada celda puede contener un nimero, un texto o una formula, Excel tiene prouramadas luna gran variedad de formulas, Hamadas “unciones, algunas de las cuales se presentan enseguida: Capitulo Funcién | _ Observaciones | | Factorial de un nimeso Esta funcién ofrece varias opciones Suma un grupo de datos RECUENCIAG) Excelente. pero no muy facil de usar MAX() Valor maximo de un grupo de datos =MINO Valor minimo de un grupo de datos =MEDIA.GEOMO), Media geométrica 3 =MEDIANAG) Valor central de un grupo de datos 3 =MODA( ‘Valor mas frecuente 5 =PROMEDION, Sin comentarios‘Anexos. 303 -O-O-O— =CUARTILO | =DESVESTO =DESVESTPO) =CURTOSIS() =PERCENTILO =COMBINATO, =PERMUTACIONES() BINOM.CRIT(), DISTR.BINOMO) =DISTR.HIPERGEOM() =POISSONO =DISTR.NORMO) =DISTR.EXP() ERROR. TIPICO.XY() =INTERSECCION EIE() =PEARSONO =PENDIENTEQ) Cuartiles Desviacién estindar muestral Desviacién estindar poblactonal Coeficiente de curtosis Porcentiles (relativos a por ajes) Combinaciones Es la férmuta basica Muestreo para aceptacisn de lores, La distribueién binomial La distribucién hiperzeométrica La distribucién de Poisson La distribucién normal La distribucién exponencisl Error estandar del ajuste Constante de la linea de regresién Coeficiente de correlacisn Pendiente de la linea de regresi¢n

Probabilidad y Estadistica Octavio Sanchez PDF

Uploaded by

Document Information

Original Title

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

Probabilidad y Estadistica Octavio Sanchez PDF

Uploaded by

Copyright:

Available Formats

You might also like