Professional Documents
Culture Documents
ESTADISTICA PROGRAMA
PRIMER CAPITULO: GENERALIDADES
Definicin de Estadstica.
Poblacin.
Muestra.
Parmetro.
Estadstico.
Variable.
Muestreo.
SEGUNDO CAPITULO: DISTRIBUCIN DE FRECUENCIAS Y GRFICAS
Distribucin de Frecuencias Simples y Agrupadas
Histograma y Polgono de Frecuencias
Ojiva
Diagrama de Caja
Diagrama de Barras y Circular
TERCER CAPITULO: MEDIDAS DE TENDENCIA CENTRAL
Media Aritmtica
Mediana
Moda
Cuartiles
Deciles
Percentiles
CUARTO CAPITULO: MEDIDAS DE DISPERSIN
Rango
Varianza
Desviacin Estndar
Regla Emprica
Coeficiente Variacin
Coeficiente de Simetria
Tipos de Curtosis
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
BIBLIOGRAFIA
Frend, J. Perles, B. (2009). Estadstica Elemental Moderna. Arizona, Estados Unidos: Editorial
Prentice Hall.
Garca, C. (2014). Estadstica Descriptiva y Probabilidades Para Ingenieros. Lima, Per: Editorial
MACRO.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Kaznier, L. (2012). Estadstica Aplicada a Administracin y Economa. Mxico D.F. Mxico: Editorial
Mc Graw Hill.
Kinney, J. (2009). Estadstica Para Ciencia e Ingeniera. Estados Unidos: Editorial, Addison Wesley.
MacLave, J. et al. (2011). Estadstica. New Yersey, Estados Unidos: Editorial Prentice Hall.
Moore, D. (2009). Estadstica Aplicada Bsica. Barcelona, Espaa: Editorial Antoni Bosch.
Quezada, Nel. (2014). Estadstica para Ingenieros. Lima, Per: Editorial MACRO.
Quezada, Nel. (2014). Estadstica con SPSS 20. Lima, Per: Editorial MACRO.
Sullivan, Michael. (2009). Fundamentos de Estadstica. Estados Unidos: Editorial Prentice Hall.
Triola, M. (2009). Estadstica Elemental. Estados Unidos: Editorial Addison Wesley.
Llinas, H. (2010). Estadstica Inferencial. Barranquilla, Colombia: Ediciones Uninorte.
EVALUACIN
- Talleres y Actividades dentro y fuera de clase 40%
- 3 Examenes Parciales de 20% cada uno: Total 60%
- Total Evaluacin: 100%
PROGRAMA DIA HO
MARTES 9:00 10
Economa MARTES 10:00 1
JUEVES 11:00 1
Ingenieria Agroindustrial JUEVES 9:00 11
VIERNES 9:00 10
ESTADSTICA
DEFINICIN:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
La Estadstica estudia los mtodos para recoger, organizar, resumir y analizar datos, as como para
sacar conclusiones vlidas y tomar decisiones razonables basadas en tal anlisis. Su aplicacin tuvo
origenes en asuntos del gobierno, compaa de seguros, juegos de azar, siguiendo posteriormente con
los comerciantes, industriales y educadores.
La Estadstica Descriptiva tiene como fin presentar resmenes de un conjunto de datos y poner de
manifiesto sus caractersticas, mediante representaciones grficas. Los datos se usan para fines
comparativos, y no se usan principios de probabilidad. El inters se centra en describir el conjunto dado
de datos y no se plantea el extender las conclusiones a otros datos diferentes o a una poblacin.
La Inferencia Estadstica, por el contrario, estudia los resmenes de datos con referencia a un modelo
de distribucin probabilstico o una familia de modelos, determinando mrgenes de incertidumbre en la
estimacin de los parmetros desconocidos del mismo. Se supone que el conjunto de datos analizados
es una muestra de una poblacin y el inters principal es predecir el comportamiento de la poblacin, a
partir de los resultados en la muestra.
MUESTRA:
Es una representacin de la poblacin, es decir, un subconjunto de la poblacin, cuyos elementos tienen las
mismas caractersticas del resto de los elementos de la poblacin de la cual fue extrada.
La muestra puede ser probabilstica o no probabilstica.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
El muestreo probabilstico es una tcnica de muestreo en virtud de la cual, las muestras son recogidas en
un proceso que brinda a todos los individuos de la poblacin objeto de estudio, las mismas oportunidades
de ser seleccionados.
El muestreo no probabilstico es aquel en el cual, los individuos de la poblacin objeto de estudio, no tienen
la misma oportunidad o probabilidad de ser seleccionados.
Pero si se opta por tomar como muestra, solo las Instituciones Educativas de las que se sabe, obtienen
altos puntajes en pruebas de estado, y dentro de esas instituciones, solo los estudiantes con los mejores
desempeos, entonces la muestra es no probabilstica, lo que puede generar sesgos.
PARMETRO:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Un parmetro es un nmero que resume la gran cantidad de datos que pueden derivarse del estudio de
una variable estadstica. El clculo de este nmero est determinado, usualmente, mediante una
frmula aritmtica obtenida a partir de datos de la poblacin.
El estudio de una gran cantidad de datos individuales de una poblacin puede ser tedioso y extenso, por lo
que se hace necesario realizar un resumen que permita tener una idea global de la poblacin, y realizar
estimaciones sobre datos desconocidos de la misma y, en definitiva, tomar decisiones acerca de la
poblacin.
ESTADSTICO:
Un Estadstico es una medida cuantitativa, derivada de un conjunto de datos de una muestra, con el
objetivo de estimar o inferir caractersticas de una poblacin.
Es decir, un estadstico es una funcin medible T que, dada una muestra estadstica de valores X1, X2, X3,
Xn , se les asigna un nmero T( X1, X2, X3, ..Xn ), que sirve para estimar el valor de determinado
parmetro de la poblacin de la que procede la muestra.
VARIABLE:
Es una caracterstica que poseen los elementos de una poblacin, como su nombre lo indica, varia de
individuo a individuo.
Variable Cualitativa:
Las variables cualitativas se refieren a caractersticas o cualidades que no pueden ser medidas
con nmeros, y pueden ser: Nominal u Ordinal;
Binomial o Multinomial;
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Nominal: Una variable cualitativa nominal presenta modalidades no numricas que no admiten un criterio de
orden.
Por ejemplo, la variable Color de Ojos: Caf; Negros; Verdes; Azules; Violeta; etc.
Ordinal: Una variable cualitativa ordinal presenta modalidades no numricas, en las que existe un orden o
jerarqua.
Por ejemplo, la variable Estrato: Estrato 1; Estrato 2; Estrato 3; etc.
Variable Cuantitativa:
Las variables cuantitativas se refieren a caractersticas o cualidades que pueden ser medidas con nmeros,
y pueden ser: Discreta o Continua.
Discreta: Son aquellas variables, cuya representacin con nmeros intervalares no tiene sentido.
Por ejemplo, la variable Nmero de Accidentes de Trnsito Registrados mensualmente, en la Avenida la
Paz de la Ciudad de Sincelejo, Durante el ao 2015: 0; 1; 2; 3; 4; etc.
Continua: Son aquellas variables que se pueden representar con nmeros intervalares.
Por ejemplo, la variable Peso: 56,7 kg; 60,2 kg; 53,5 kg; 50,0 kg;... etc.
MUESTREO
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
El muestreo es una herramienta de la investigacin cientfica, cuya funcin bsica es determinar que parte
de una poblacin debe examinarse, con la finalidad de hacer inferencias sobre dicha poblacin.
La razn principal para observar una muestra en lugar de la poblacin completa, consiste en que la recogida
de toda la informacin, resulta exageradamente costosa en la mayora de las ocasiones.
Ademas del factor econmico, una enumeracin completa de la poblacin llamada CENSO, puede ser
imposible por circunstancias como el tiempo, que puede ser insuficiente en determinadas condiciones o
tambien debido a factores ambientales.
Poltica: Las muestras de las opiniones de los votantes se usan para que los candidatos midan la
opinin pblica y el apoyo en las elecciones.
Educacin: Las muestras de las calificaciones de los exmenes de estudiantes se usan para determinar
la eficiencia de una tcnica o programa de enseanza.
Industria: Muestras de productos de una linea de ensamblaje sirven para controlar la calidad de la
manufacturacin de los mismos.
Medicina: Un fabricante de drogas de sea saber los resultados de algn medicamento para bajar la
tensin en la sangre y compararlo con una droga de la competencia, para ello toma una muestra de
pacientes hipertensos.
Economa: Las muestras de las opiniones de los consumidores acerca de la preferencia por cierta
marca de gaseosa, pueden ayudar a los asesores de una fbrica de refrescos a considerar, si mejoran o
cambian el producto.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
El muestreo es Con Reemplazo, cuando habindose determinado el tamao de las muestras que se van a
seleccionar, cada vez que se seleccione un individuo para que haga parte de la muestra, se incluye
nuevamente en la poblacin con la posibilidad de ser elegido nuevamente.
El muestreo es Sin Reemplazo, cuando habindose determinado el tamao de las muestras que se van a
seleccionar, cada vez que se seleccione un individuo para que haga parte de la muestra, no se incluye ms
en la poblacin y asi sucesivamente con todos los individuos o elementos que se van extrayendo.
Error Muestral:
Es la diferencia que hay entre el valor de un estadstico de la muestra y el correspondiente parmetro de la
poblacin.
Por ejemplo: Al calcular la media o promedio de una muestra, es posible que este valor no sea igual al valor
de la media o promedio de la poblacin.
Por lo que es posible que existan diferencias entre las estadsticas de la muestra y los parmetros de la
poblacin.
Ejemplo: Supongamos que tenemos una poblacin de datos conformados por los nmeros: 3, 5 y 7. Y se
van a tomar muestras de tamao dos de manera ordenada y con reemplazo.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
a) Media Muestral
3+5+7
= =5
3
(3,3) 3 3 5= -2
(3,5) 4 4 5= -1
(3,7) 5 5 5= 0
(5,3) 4 4 5= -1
(5,5) 5 5 5= 0
(5,7) 6 6 5= 1
(7,3) 5 5 5= 0
(7,5) 6 6 5= 1
(7,7) 7 7 5= 2
Error No Muestral:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Es un error que no est asociado con el procedimiento de muestreo usado. Y sucede cuando,
- Cuando los instrumentos de recoleccin de informacin estan mal ajustados o mal calibrados.
- Los datos estan mal consignados o se pierde informacin al momento de tabularla.
Sesgo Muestral:
Es la tendencia a favorecer la seleccin de ciertos elementos de la muestra en lugar de otros.
Ejemplo:
Se toma una muestra de personas y se les pregunta acerca de su actitud frente a la pena de muerte,
dentro de la muestra hay una cantidad preponderante de personas vctimas de la violencia en el pas.
TAMAO DE MUESTRA
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Para poder hacer inferencias acerca del comportamiento de la poblacin en estudio, se debe tomar una
muestra representativa de la poblacin, es decir, que tenga un tamao adecuado y que recoja la mayor
variabilidad posible presente en la poblacin.
Si el parmetro poblacional de inters es la Media Poblacional, el tamao de la muestra est dado por:
2 2
z / 2
n0 = 2
e
n0
n=
n 1
1+ 0
N
Que es equivalente a:
Z
2
( N1 ) e 2+( ) 2
2
2 2
N (Z )
2
n=
Si el parmetro poblacional de inters es la Proporcin Poblacional, el tamao de la muestra est dado por:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
2
z / 2 pq
n0 = 2
e
n0
n=
n 1
1+ 0
N
Que es equivalente a:
Z
2 2
( N1 ) e +( ) pq
2
N ( Z )2 pq
2
n=
Ejemplo:
1) Un investigador esta interesado en determinar el peso medio ganado por pollo entre 0 y 4 semanas,
despues de haber sido alimentados con una racin nueva. Si se tiene una poblacin de 1000 pollos y
por resultados de investigaciones pasadas, se sabe que la variacin del peso de los pollos es de.
2
=36 grm.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
a) Calcule el tamao de la muestra para estimar el peso medio , ganado por lo pollos en las ultimas
semanas, con un error no mayor a 1.0 grm y con una confianza del 95%.
2) Los productos defectuosos resultan costosos para el fabricante en terminos de deterioro de la imagen
del producto ante los consumidores. un fabricante de memorias USB, confia en que a lo sumo el 10% de
las memorias fabricadas por su empresa resulten defectuosas.
a) Se desea estimar la proporcin actual de memorias defectuosas con un error no mayor al 5% y con una
confianza del 95%, calcule un tamao de muestra adecuado para hacer dicha estimacin.
La mejor manera de escoger los elementos que harn parte de la muestra, es a travs de una Tabla de
Nmeros Aleatorios, que es una tabla de nmeros que se hace y se presenta en tal forma que cada uno de
los nmeros 0 al 9, aparecen en ella, con una frecuencia aproximadamente igual.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Ejemplo: De una poblacin de 250 nios, se desea tomar una muestra de 15 chicos para estimar el peso
medio de estos, en kilos. Como se hara la seleccin de la muestra aplicando el Mtodo de Muestreo
Aleatorio Simple.
Para ello se enumeran a los integrantes de la poblacin objeto de estudio con los digitos del 001 hasta el
250. Posteriormente se toma cualquier columna de la tabla de nmeros aleatorios, y se selecciona el primer
nmero de 3 cifras que este en dicha columna, dicho nmero representa al primer elemento seleccionado
para la muestra, de los 250 nios, para el siguiente elemento se continua bajando por la misma columna y
el nmero que sigue es precisamente el segundo elemento seleccionado para la muestra; y as
sucesivamente, hasta completar el tamao de muestra requerido.
Para este ejemplo: una posible muestra estara conformada por los nios identificados con los nmeros:
120, 140, 130, 121, 046, 212, 098, 146, 083, 165, 073, 185, 109, 235, 179
Tambin es conocido como Muestreo Aleatorio Proporcional y es una tcnica de muestreo probabilstico en
donde los sujetos son inicialmente agrupados en diferentes categoras, tales como la edad, el nivel
socioeconmico o el gnero. Luego, el investigador selecciona aleatoriamente la lista final de sujetos que
conformaran la muestra, de los distintos estratos, de manera proporcional a la cantidad de individuos que
existen en cada estrato. Generalmente, los investigadores utilizan un muestreo aleatorio estratificado si
quieren estudiar un determinado subgrupo dentro de la poblacin.
Observacin:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Ejemplo:
Suponga que se quiere estudiar los gastos de publicidad de 352 empresas de un pas y que el objetivo del
estudio consiste en determinar si las empresas con altos rendimientos, han gastado ms proporcin de su
presupuesto en publicidad, que las empresas que tienen un menor rendimiento o incluso un dficit.
Las empresas se dividieron en 5 estratos de acuerdo a su rendimiento financiero, y se van a tomar 50 de
ellas.
1 30% y mas 8 1
5 Dficit 5 1
______
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
TOTAL 352
El muestreo aleatorio sistemtico se puede comparar con una progresin aritmtica en donde la diferencia
entre dos nmeros consecutivos es la misma. Es decir, se seleccionan a los individuos que harn parte de
la muestra, tomandolos de a cada 3, 4 o 5 personas, etc. este nmero se determina por el cociente entre el
N
tamao de la poblacin N y el tamao de muestra n, previamente hallado: n
Ejemplo: Supongamos que se tiene una poblacin de 100 muestras de suelos a los que se les desea aplicar
algunas pruebas de laboratorio.
Ejemplo: Si el estudio que se desea hacer tiene como poblacin en cuestin a toda Colombia.
La unidad de muestreo que hace parte de la primera seleccin se le conoce como Unidad Primaria de
Muestreo.
La unidad de muestreo que hace parte de la segunda seleccin se le conoce como Unidad Secundaria de
Muestreo.
Y asi sucesivamente en cada etapa del muestreo.
Ejemplo:
Se desea tomar una muestra de estudiantes de Educacin Bsica Secundaria de la ciudad de Sincelejo,
para aplicarles una encuesta que busca indagar aspectos Socio- Econmicos del entorno del estudiante, y
mirar si estos influyen o no en su desempeo en el rea de Matemticas.
Ejemplo: Cuando se toma un grupo de estudiantes con los mejores desempeos acadmicos para medir el
impacto de una nueva estrategia metodolgica en el aula.
Ejercicios:
1) Se desea estimar la cantidad media de solvente que contiene un producto elaborado en una planta
quimica, tal que el error de estimacin sea de grm/L, con una confianza del 90%. Cul debe ser el
tamao de la muestra requerido que satisfaga estas condiciones si se conoce, de un muestreo anterior,
que la desviacin de la cantidad de solvente es de S= 21 grm/L?
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
2) De acuerdo al ejercicio anterior, si la planta quimica cuenta con 4 subestaciones para fabricar el producto,
de las cuales, por su tamao, 2 producen, cada una, el triple de la cantidad que producen cualquiera de
las otras dos y que las dos subestaciones mas pequeas producen lo mismo. Que tipo de Muestreo
Aleatorio debo aplicar para seleccionar la muestra y cuntas unidades mustrales, saldran de cada
subestacin, si en total la planta produce de manera diaria N= 16000 unidades del producto y que las
estaciones mas pequeas producen entre las dos, 4000 unidades?
DISTRIBUCIN DE FRECUENCIAS
Ejemplo:
En la siguiente tabla se registra el nmero de horas que unas muestras de concreto tardaron en fraguarse
completamente, de acuerdo a diferentes tipos de elaboracin de la mezcla:
HORAS FRECUENCIA FRECUENCIA FRECUENCIA FRECUENCIA
ABSOLUTA fi ABSOLUTA RELATIVA hi RELATIVA
ACUMULADA Fi ACUMULADA Hi
1 6 6 6 14,28%
X 100 = 14,28
42
%
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
2 7 13 7 30,98%
X 100 = 16,7%
42
3 6 19 6 45,26%
X 100 = 14,28
42
%
4 6 25 6 59,54%
X 100 = 14,28
42
%
5 2 27 2 64,3%
X 100 = 4,76%
42
6 4 31 4 73,82%
X 100 = 9,52%
42
7 4 35 4 83,34%
X 100 = 9,52%
42
8 3 38 3 90,48%
X 100 = 7,14%
42
9 4 42 4 100%
X 100 = 9,52%
42
TOTAL 42
R
A= C
Si dicho cociente da un nmero decimal, y los datos son nmeros enteros, se aproxima al entero siguiente,
en tal caso habra que modificar el Rango, lo que se conoce como Rango Ampliado. Esto modificara los
valores mximo y mnimo, por los cuales se inicia y termina, respectivamente, los intervalos en la tabla.
Una vez se defina esta parte correspondiente a la primera columna de la tabla, de alli en adelante, se
procede a llenar la tabla de manera similar a como se hace con la tabla de datos Simples.
Ejemplo:
La corrosin de acero reforzado, es un grave problema para las estructuras de concreto, dentro de
ambientes afectados por condiciones climatolgicas extremas, por esta razn, investigadores estudian el
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
empleo de varillas de refuerzo fabricadas con materiales compuestos. En este sentido, se realiz un estudio
para establecer parmetros en el diseo de varillas de refuerzo, fabricadas con material plstico, reforzado
con fibra de vidrio en el concreto. Los siguientes datos representan la resistencia de adherencia de 25
observaciones realizadas.
a) Organiza los datos en una tabla de frecuencia de datos agrupados y saca las conclusiones
correspondientes al respecto.
Histograma
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
El histograma es una tcnica grfica utilizada para presentar gran cantidad de datos. El histograma puede
ser de frecuencias absolutas, de frecuencias relativas, de frecuencias absolutas acumuladas y de
frecuencias relativas acumuladas. Para la construccin del histograma se requiere elaborar una tabla de
distribucin de frecuencias.
Polgono
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Otro recurso grfico para ilustrar el comportamiento de los datos es el polgono de frecuencias. Este se
construye sobre el sistema de coordenadas cartesianas, al colocar sobre cada marca de clase un punto a
una altura igual a la frecuencia asociada a esa clase; luego se unen dichos puntos por segmentos de recta.
Ojiva
La Ojiva es el polgono frecuencial acumulado, es decir, que permite ver cuntas observaciones se
encuentran por encima o debajo de ciertos valores, en lugar de solo exhibir los nmeros asignados a cada
intervalo.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Media Aritmtica
La media aritmtica mustral representa el centro fsico del conjunto de datos y se define como la suma de
los valores observados, dividido por el total de observaciones. Si X1, X2, X3, Xn son n observaciones
numricas, entonces la media aritmtica de esta n observaciones, se define como:
n
xi
X = i=1
n
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Cuando se trata de datos agrupados (tabla de frecuencias) la media aritmtica se puede aproximar
mediante la expresin:
n
y if i
X = i=1
n
yi fi
Donde y son respectivamente la marca de clase de cada intervalo y la frecuencia del intervalo.
Mediana
Sea X1, X2, X3, Xn una muestra aleatoria de n observaciones. La Mediana, de un conjunto de
observaciones es el valor para el cual, todas las observaciones ordenadas de manera creciente, la mitad de
estas es menor que este valor y la otra mitad mayor.
Sea X1, X2, X3, Xn una muestra aleatoria de n observaciones, la Mediana para datos agrupados, se define
de la siguiente manera:
n
Me=L+
2
fi( )
F i1
A
Dnde:
n
2 : Es la mitad de la muestra.
Moda
Es el dato con mayor frecuencia entre el conjunto de datos. Para datos agrupados, se halla de la siguiente
forma:
d1
Mo=L+ ( )
d 1 +d 2
A
Dnde:
d1 : Es la diferencia entre la frecuencia absoluta del intervalo donde est la moda y la frecuencia absoluta
del intervalo inmediatamente anterior.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
d 2 : Es la diferencia entre la frecuencia absoluta del intervalo donde est la moda y la frecuencia absoluta
Medidas de Posicin
El objetivo es describir el comportamiento de una variable dividiendo la serie de valores en diferente nmero
de partes porcentualmente iguales, las ms usadas son: los Cuartiles (cuartas partes), los Deciles (decimas
partes) y los Centiles o Percentiles (centsimas partes).
Los Cuartiles
Son aquellos nmeros que dividen los datos en cuatro partes porcentualmente iguales. Hay tres cuartiles,
Q1, Q2 y Q3. El primer Cuartil Q1, es el valor por debajo del cual queda aproximadamente la cuarta parte
(25%) de todos los datos ordenados; El segundo Cuartil Q2 es el valor por debajo del cual queda el 50% de
los datos (Mediana), el tercer Cuartil Q3 es el valor por debajo del cual quedan las tres cuartas partes (75%)
de los datos.
Q1: n/4 si el resultado da un nmero decimal, se aproxima al entero siguiente y el dato que est en dicha
posicin corresponde a Q1.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Q2: n/2 si el resultado da un nmero decimal, se aproxima al entero siguiente y el dato que este en dicha
posicin corresponde a Q2.
Q3: 3n/4 si el resultado da un nmero decimal, se aproxima al entero siguiente y el dato que este en dicha
posicin corresponde a Q3.
Ejemplo:
Tomando como ejemplo los datos correspondientes a la resistencia a la adherencia de 25 varillas fabricadas
con el nuevo material.
Como n=25
Q1= 5,2
n/2 =25/2=12,5 13, entonces el cuartil Q2 es el dato que se encuentra en la posicin 13 del
conjunto de datos.
Q2= 6,2
Q3= 9,9
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Los Percentiles
Son nmeros que dividen el conjunto de datos ordenados en cien partes porcentualmente iguales. El
percentil 50 equivale a la mediana.
Considerando la definicin de la mediana, esta ser el segundo cuartil, el quinto Decil o el 50avo Percentil.
1. Encontrar la posicin del percentil PK, mediante el calculo de n*k, donde K es la valor porcentual que
representa el percentil.
2. Si n*k no es un entero, entonces la posicin del percentil, es el entero siguiente y el valor de Pk es el
dato ordenado en dicha posicin.
3. Si n*k es un entero, entonces la posicin del percentil P K, ser el promedio de las observaciones
ordenadas en las posiciones nk y nk +1.
Ejemplo:
Tomando como ejemplo los datos correspondientes a la resistencia a la adherencia de 25 varillas fabricadas
con el nuevo material. Si queremos encontrar por ejemplo, el percentil 10 (P0,10 ) , donde k = 0.10.
En este caso nk=25(0,10)=2,5 no es un entero, de tal manera que se aproxima al entero siguiente 2,5
3, luego el percentil 10 (P0,10) es el valor que se encuentra en la posicin 3 del conjunto de
P0,10
datos, luego, = 4,8 lo cual significa que el 10% de las varillas observadas, registraron una resistencia
a la adherencia, aproximadamente menor a 4,8%.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
El percentil 22 se encuentra de manera similar. Puesto que ahora k=0.22, n*k = 25(0,22) = 5,5 6.
Luego P0,22 =5,1. Por tanto, el 22% de las varillas observadas, registraron una resistencia a la adherencia,
aproximadamente, inferior a 5,1%.
Los Deciles
Son nmeros que dividen el conjunto de observaciones ordenadas en diez partes porcentualmente iguales.
MEDIDAS DE DISPERSIN
Varianza Mustral
Se puede definir como el promedio de los cuadrados de las desviaciones de los datos con respecto a la
media mustral. Se define como:
n
( y i x )2f i
S 2= i=1
n1
Al tomar el cuadrado de las desviaciones con respecto a la media para el clculo de la varianza, las
unidades en que estn dados los datos tambin se expresaran en unidades al cuadrado. Esto puede no
tener sentido. Estas circunstancias condujeron a que se le hiciera una modificacin a la anterior medida y se
lleg de esta manera al concepto de desviacin estndar, la cual se define como la raz cuadrada de la
varianza, esto es:
( y i x )2f i
i=1
S=
n1
La Regla Emprica:
Esta regla permite encontrar el porcentaje de datos que debe estar dentro de determinadas desviaciones
estndar respecto a la media. A continuacin se determinan estos porcentajes:
Aproximadamente el 68% de los datos estn a menos de una desviacin estndar de la media
Aproximadamente el 95% de los datos estn a menos de dos desviaciones estndar de la media
Aproximadamente el 99,7% de los datos de la muestra estn a tres desviaciones de la media
Ejemplo:
Tomando como ejemplo los datos correspondientes a la resistencia a la adherencia de 25 varillas fabricadas
con el nuevo material. Un calculista desea saber en qu rangos, exactamente, estn oscilando los valores
de las resistencias de las varillas fabricadas con el nuevo material.
(x - s, x + s)
(x - 2s, x + 2s)
(x - 3s, x + 3s)
Aproximadamente el 68% de las varillas fabricadas tienen una resistencia de entre el 4,1 y el 11,3
Aproximadamente el 95% de las varillas fabricadas tienen una resistencia de entre el 0,58 y el 14,82
Aproximadamente el 99,7% de las varillas fabricadas tienen una resistencia de entre el 0,0 y el 18,38
Coeficiente de Asimetra
Indica hacia que extremo los datos estan ms aglomerados o distribuidos. Si hay pocos datos distribuidos
hacia el extremo derecho se dice que la distribucin es sesgada a la derecha, mientras que si hay pocos
datos distribuidos hacia la izquierda, se dice que la distribucin es sesgada hacia la izquierda. La medida
que describe esta asimetra se denomina coeficiente de sesgo, o simplemente sesgo. Est definida como:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
( y ix )3f i
i=1
n
3=
3
( )
n
2
( y i x ) f i
i =1
n1
3> 0 3< 0
Si la distribucin es Sesgada a la Derecha. Si la distribucin es Sesgada a la Izquierda. Si
3=0
la distribucin es Simtrica.
Coeficiente de Curtosis
En algunos casos unos datos pueden estar concentrados alrededor de la media, de manera que la
distribucin tiene un pico grande. En otros casos, la distribucin puede ser relativamente plana. La medida
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
que determina que tan empinada se encuentra una distribucin se denomina coeficiente de curtosis, o
simplemente curtosis y est dada por:
( y i x )4f i
i=1
n
4=
4
( )
n
2
( y i x ) f i
i=1
n1
Rango Intercuartilico
RI =Q3Q1
Permite dibujar el diagrama de cajas, que ayuda a visualizar que tan dispersos estan los datos que se
encuentran ubicados antes de la Mediana y despues de la Mediana.
Diagrama de cajas
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Es un resumen grfico que se emplea de manera satisfactoria para describir varias de las ms destacadas
caractersticas de un conjunto de datos. Estas caractersticas incluyen: centro, dispersin y desviacin de la
simetra e identificacin de "puntos inusuales"; es decir, observaciones que estn desafortunadamente lejos
del cuerpo principal de los datos.
3. Dibujar un segmento de recta vertical dentro de la caja arriba donde est la mediana.
4. Se calcula el valor de 1.5 veces el Rango Intercuartlico dicho valor se le suma al Q3 y se le resta al
Q1.
5. Las observaciones que estan por fuera de dicho rango se conocen como puntos inusuales.
TCNICAS DE CONTEO:
Principio de la Multiplicacin:
Es aquel que me indica que si un evento A, se puede realizar de n formas, y por cada una de estas formas
otro suceso B, se realiza de m formas, entonces los sucesos pueden ocurrir de nxm maneras.
Ejemplo: Una agencia de viajes ofrecen un paquete turistico para visitar el Parque Tayrona, saliendo desde
la ciudad de Sincelejo y llegando primero a Santa Martha. Si se sabe que para llegar de Sincelejo a Santa
Martha, existen tres medios de transporte diferentes (Minivan, Thermo king, Avin). Y de Santa Martha al
Parque Tayrona hay 4 formas diferentes de llegar (Camioneta, Caballo, Bicicleta, Moto). De cuntas
maneras puede la agencia organizar su itinerario de viaje, desde Sincelejo, para ofrecerlo a sus clientes.
Principio de la Adicin.
Si se desea llevar a cabo una actividad, la cual tiene formas alternativas para ser realizada, donde la
primera de esas alternativas puede ser realizada de M formas, la segunda alternativa puede realizarse de N
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
formas... y la ltima de las alternativas puede ser realizada de W formas, entonces esa actividad puede ser
llevada a cabo de,
M + N +.....+ W formas
Ejemplo:
Permutacin:
Pn= n! = n(n-1)(n-2)(n-3)..(2)(1)
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Ejemplo:
6 5 4 3 2 1
P6= 6!= 6x5x4x3x2x1= 720 maneras diferentes
Variaciones:
Ejemplo:
Una entidad bancaria que cuenta con 20 empleados, va a seleccionar un comit de 3 personas para una
capacitacin en manejo de balances, pero cada una de ellas debe ir a una ciudad diferente a recibir el curso
(Bogot, Medelln y Barranquilla).De cuantas maneras pueden quedar repartidos los destinos entre los 20
empleados?
Combinaciones:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Cuando de un conjunto de n datos se van a formar grupos tomando subconjunto de r elementos, sin
importar su orden, estamos haciendo combinaciones de n elementos tomandolos de r en r.
n!
n Cr= ( nr ) ! r !
Ejemplo:
Si tomamos el ejemplo anterior, con la variante de que los tres empleados van a recibir la capacitacin en la
misma ciudad, digamos, Barranquilla. De cuantas maneras se puede conformar el equipo?
PROBABILIDAD
EXPERIMENTO ALEATORIO:
Es un proceso que se realiza bajo un conjunto de condiciones dadas, que puede repetirse indefinidamente
bajo las mismas condiciones y cuyos resultados dependen del azar y por lo tanto no son predecibles.
Ejemplos de experimentos:
- Lanzamiento de un dado.
- Nacimiento de un hijo.
- Lanzamiento de una moneda, entre otros.
ESPACIO MUESTRAL:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Es el conjunto de todos los resultados posibles, de un experimento Aleatorio. Se representa con la letra U y
los elementos que lo conforman se llaman eventos simples.
EVENTO O SUCESO:
Es un subconjunto del espacio muestral. Se representa con letras mayusculas A, B, C etc. Y a la cantidad
de elementos presentes en el evento A definido, lo representamos con n(A).
Ejemplos de Espacios Mustrales y Eventos: Considera los ejemplos descritos en las Tcnicas de Conteo,
como experimentos aleatorios y escribe el Espacio Muestral generado, la cantidad de elementos n(U) en
cada caso, un posible evento para cada uno y el nmero de elementos de ste.
Considera tambien los siguientes experimentos y escribe el espacio muestral que se genera, la cantidad de
elementos n(U), un posible evento y el nmero de elementos de ste.
1) Lanzamiento de una moneda 2 veces
2) Lanzamiento de un dado 2 veces.
Sea A un evento asociado a un experimento aleatorio. La probabilidad de que A, ocurra est definida como
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Ejemplos:
Dados los espacios mustrales y eventos, definidos con anterioridad, hallemos las probabilidades de que
dichos eventos ocurran:
Ejercicio:
a) Considere el experimento aleatorio Nacimiento de tres bebs: Escribe el espacio muestral U que se
genera, la cantidad de elementos n(U), un posible evento asociado al espacio muestral generado y la
probabilidad de que ste suceda.
AXIOMAS DE PROBABILIDAD:
Axioma 1: P( A) 0
Axioma 2: P (U )=1
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Axioma 3: P ( A 1 A2 A 3 A n )=
i=1
P ( A i)
REGLAS DE PROBABILIDAD:
Sea U un espacio muestral obtenido de un experimento aleatorio. Sean A, B, C, eventos del espacio
muestral.
a) P ()=0
b) 0 P(A) 1
c) P(AUB) = P(A) + P(B) si son disyuntos
d) P(AUB) = P(A) + P(B) P(A B) si no son disyuntos
e) P(AUBUC) = P(A) + P(B) +P(C) P(A B) - P(B C) - P(A C) + P(A B C)
f) P(A) = 1 P(A)
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
EJEMPLOS:
1) Se lanza una moneda dos veces. Halla la probabilidad de que:
a) Salgan dos caras o dos sellos
b) Salga por lo menos un sello
c) No salga sello
3) En una ciudad, el 40% de la poblacin tiene cabellos castaos, el 25% tiene ojos castaos y el 15%
tiene cabellos y ojos castaos. Si se toma una persona al azar.
PROBABILIDAD CONJUNTA
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Sean A y B, dos eventos cualesquiera, asociados a un espacio muestral U. La probabilidad que ocurran A y
B al mismo tiempo y que se representa con P( A B) , est dado por:
P ( A B ) =P ( A ) P ( B ) , si A y B son independientes.
Ejemplos:
1) La probabilidad de que una persona compre una casa despues de haber sido contactada por un agente
inmobiliario es de P= 0,40. Represente con V, el evento Vender una casa y con V, el evento No vender
una casa.
a) Construye un diagrama de rbol, que muestre la secuencia de contactar a tres personas.
b) Cul es la probabilidad de que el agente haga minimo dos ventas?
c) Cul es la probabilidad de que el agente haga minimo una venta?
2) En la figura, la probabilidad de que la i-sima llave del circuito est cerrada es P i= 1/6, para i=1, 2, 3, 4, 5.
Si todas las llaves abren y cierran de manera independiente. Cul es la probabilidad de que la corriente
pase del punto M al punto N, en ste circuito?
1 2
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
M N
4 5
3) La probabilidad que en una familia nazca una nia es del 47%, si se toman familias con tres hijos y se
elige una de estas familias al azar. Cul es la probabilidad que:
a) Todos sean nios.
b) Uno de los hijos sea nia.
c) Hallan al menos dos nias.
PROBABILIDAD CONDICIONAL
Sean A y B, dos eventos cualesquiera, asociados a un espacio muestral U. La probabilidad que el evento A
ocurra, dado que ocurre el evento B, y que se simboliza como P( A/ B) , est dado por:
P( A B)
P ( A /B )= con P ( B ) 0
P(B)
P( A B)
P ( B/ A )= con P ( A ) 0
O P( A)
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
P ( A B ) =P ( A ) P ( B / A ) P ( A B ) =P ( B ) P ( A /B )
De aqu:
Ejemplos:
1) La siguiente tabla muestra la reaccin de 400 personas cuando se les pregunto acerca de un nuevo
incremento al impuesto predial. Estas personas fueron clasificadas de acuerdo a la actividad que ejercen:
REACCION
ACTIVIDAD A FAVOR NEUTRAL EN CONTRA TOTAL
a) Halla la probabilidad ECONMICA
que sea EMPLEADO 120 20 20 160
desempleado. INDEPENDIENTE 50 30 60 140
DESEMPLEADO 50 10 40 100
b) Halla la probabilidad TOTAL 220 60 120 400
que la persona sea independiente y se oponga al nuevo plan.
d) Halla la probabilidad que la persona sea desempleado o est a favor del nuevo plan.
2) En una caja se depositaron 7 banderines Rojos, 4 Verdes y 3 Amarillos. Si se sacan dos al azar sin
reposicin, halla las siguientes probabilidades:
a) Que uno sea Rojo y el otro Amarillo.
b) Si se sacan consecutivamente tres banderines, cual es la probabilidad de que el primero sea Amarillo, el
Segundo Verde y el tercero Rojo.
Probabilidad Total
Sean A, B y C tres eventos cualquiera asociados a un espacio muestral U, con A y B disyuntos entre si. Si la
probabilidad de que se de el evento C, depende de la ocurrencia del evento A P (C / A ) o de la ocurrencia
P (C )=P ( C /B ) P ( B ) + P ( C / A ) P( A)
Ejemplo:
Teorema de Bayes
A 1 , A 2 , A3 , A n
Sea U un espacio muestral y sean una coleccin de eventos asociados a U, mutuamente
excluyentes, tales que:
n
i) U i=1 A i=U
P ( A i ) >0
ii) i= 1, 2, 3, n
Ai
B/
P ( Ai ) P
n
i=1
P ( A i ) P( B / A i)
P ( A i /B )=
Ejemplos:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
1) Un analista de una empresa de construccin, estima que la probabilidad de que una nueva empresa
planee ofrecer servicios de construccin en los prximos tres aos, es de 0.30 y de 0.70 de que no lo
haga. Si la nueva empresa tiene estos planes, definitivamente debera construir una nueva instalacin de
administracin de obras. Si la nueva empresa no tiene estos planes todava, queda una probabilidad del
60% de que se construya una nueva instalacin de administracin de obras por otras razones.
a) Representa con A la decisin de que la nueva empresa ofrezca servicios de construccin y con B la
construccin de una nueva instalacin de administracin de obras, e ilustra los posibles eventos con un
diagrama de rbol.
b) Suponga que la nueva empresa ya empez a construir una nueva instalacin de administracin de obras.
Con base en esta informacin. Cul es la probabilidad que la empresa haya decidido ofrecer servicios
en el rea de la construccin?
c) Cul es la probabilidad que se construya una nueva instalacin para la administracin de las obras?
2) Tres mquinas producen el total de piezas de repuestos de autos de una fbrica. Sean A, B y C las tres
mquinas. Donde A, fabrica el 45% de las piezas; B fabrica el 30% de las piezas y C fabrica el 25% de
las piezas. Los porcentajes de piezas defectuosas producidas por la maquina A son el 3%; por B el 4%;
por C el 5%. Segn esto. Si se selecciona una pieza al azar. Cul es la probabilidad que:
a) Sea defectuosa dado que fue elaborada por la maquina B.
b) Sea defectuosa.
c) Dado que es defectuosa, cul es la probabilidad que venga de la maquina C.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
VARIABLE ALEATORIA
X
Sea U un espacio muestral; sea A un evento del espacio muestral U. Una variable aleatoria (v.a.) , es
una funcin que le asigna un valor real, a cada evento A del espacio muestral U. Se simbolizan con letras
mayusculas ( X , Y , Z ,etc . , de tal manera que si A es un evento del espacio muestral U, entonces:
X ( A )=x donde x R
Sea U un espacio muestral discreto; sea A un evento del espacio muestral U. Una variable aleatoria (v.a.)
discreta X , es una funcin que le asigna un nmero entero, a un evento A del espacio muestral U.
Ejemplo:
X
La v.a. tomara los siguientes valores:
X ( sss ) =0 X ( ssc , scs , css )=1 X ( scc , csc , ccs )=2 X ( ccc )=3
Definicin:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
La funcin de probabilidad puntual o de masa de una v.a. discreta X , es, para todo x :
f x ( X )=P x ( X )
Las condiciones para que una funcin , sea funcin de distribucin de probabilidad discreta
son:
0 Px ( X ) 1
a)
b) P x ( X )=1
P ( X=x ) :
a) Primero se hallan las probabilidades
1
P ( X=0 )=P ( sss )=
8
3
P ( X=1 )=P ( ssc , s cs , css )=
8
3
P ( X=2 ) =P ( ccs , csc , scc )=
8
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
1
P ( X=3 )=P ( ccc )=
8
X 0 1 2 3
f x ( X )=P ( X=x ) 1 3 3 1
8 8 8 8
{
0 si x< 0
1
si x=0
8
3
f x ( X )= 8 si x=1
3
si x=2
8
1
si x=3
8
F x ( X )=P ( X x )= P x (x j ) x j < x
Tomando el ejemplo del lanzamiento de una moneda 3 veces; la Funcin de distribucin de probabilidad
Acumulada de la v.a. X quedar de la siguiente manera:
X x 0 1 2 3
F x ( X )=P ( X x ) 1 1 7 1
8 2 8
{
0 si x <0
1
si 0 x<1
8
F x ( X )= 1 si 0 x <2
2
7
si 0 x <3
8
1 si x 3
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
E ( X )= x P x ( X )= x
En el ejemplo del lanzamiento de la moneda 3 veces, cuya v.a. X : Nmero de caras que salen
X +
Y
E = E ( X ) +( Y )
E ( kX )=kE (X )
para todo nmero real k .
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
E ( k )=k
para todo nmero real k .
X
E Y =E ( X )E(Y ) nicamente en el caso de que X y Y sean variables aleatorias
independientes.
O bien
Var ( X )= x 2 P x ( X ) x 2= x2
Tomando el ejemplo de la moneda que se lanza 3 veces, cuya v.a. X : Nmero de caras que salen
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
1 3 3 1
Var ( X )= ( x x )2 P x ( X )=(01,5)2 +(11,5)2 +(21,5)2 +( 31,5)2 =0,75
8 8 8 8
Propiedades de la Varianza
Var ( X ) 0
Ejemplo:
X
Tomando el ejemplo de dos dados que se lanzan una vez. Si es la v.a. definida como:
X :Nmero de cifras impares que salen al lanzar dos dados una sola vez
encuentre:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Ejercicios:
X Px ( X ) h( X) , est
Proposicin: Si la v.a. , tiene funcin de probabilidad , entonces la Esperanza de
dada por:
Ejemplo:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
X
Sea , la v.a. definida como el nmero de paquetes de programas de computador, contratados por un
cliente seleccionado al azar. La funcin de distribucin de probabilidad del nmero de paquetes que se
contraten se muestra a continuacin:
X 1 2 3 4 5
Px ( X ) 0,375 0,275 0,175 0,1 0,075
Si el costo del servicio, es una variable Y , que es funcin del nmero de paquetes que se contraten, dada
por la frmula:
h ( X )=Y =30( X +1)
Sea U un espacio muestral continuo, es decir, aquel que tiene tantas posibilidades como puntos en un
X
segmento de linea; sea A un intervalo U. Una variable aleatoria (v.a.) continua , es aquella que
toma valores dentro de un intervalo A cualquiera, del espacio muestral U. Los intervalos pueden ser de
tiempo, distancia, rea, etc.
Ejemplo:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
a) Si un experimento consiste en medir la vida til de un determinado nmero de bombillas ahorradoras de luz
fabricadas por una empresa, el resultado del experimento es el tiempo t en horas, que dura una bombilla, y
que se encuentra en algn intervalo de tiempo A, del espacio muestral U, donde U, en este caso es,
U= { 0 t 1000 } , si las bombillas tiene una vida til que no supera las 1000. En ste caso la v.a. X
f x ( X ) 0 x R
a)
b) f x ( X ) dx=1
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
c) P ( a x b )= f x ( X ) dx
a
Ejemplo:
El nmero total de horas, medidas en unidades de 100 horas, que dura una bombilla ahorradora de luz
funcionando, es una variable aleatoria continua dada por:
{ }
x si 0 x <1
f x ( X )= 2x si 1 x< 2
0 en otro caso
x
F x ( X )=P ( X x )= f ( t ) dt
Ejemplo:
Tomando el ejemplo de las bombillas ahorradoras de luz, encuentra su funcin de distribucin acumulada
Fx( X )
y traza la grfica de F x ( X ) .
Sea X
una v.a. continua con funcin de densidad de probabilidad f x ( X ) , la Esperanza o Valor Esperado
Var ( X )= (xE ( X ))2 f x ( X ) dx = 2x
O bien
Var ( X )= (x )2f x ( X ) dx x2= 2x
Ejemplo:
Tomando el ejemplo de las bombillas ahorradoras de luz, halla E ( X ) y Var ( X ) .
Ejercicio:
Sea la funcin de densidad de probabilidad f x ( X ) dada por:
f x ( X )= {
k x 2(1x)2 si 0< x <1
0 en otro caso }
Halla el valor de k , de tal manera que se cumpla que f x ( X ) es funcin de densidad de probabilidad.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
DISTRIBUCIN DE BERNOULLI
Es aquel que modela experimentos consistentes en un ensayo que tiene solo dos posibles resultados. Por
ejemplo: Sexo; Estado de un artculo fabricado; Estado de salud de un paciente; etc.
X= { 01sisinoocurre
ocurre el evento A }
el evento A
DISTRIBUCIN BINOMIAL
Cuando un ensayo Bernoulli se repite n veces, en idnticas condiciones, de modo que la probabilidad p
de que ocurra el evento de inters A, o bien, de que se d el xito, es constante; hablamos entonces de n
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
ensayos de Bernoulli independientes, de tal manera, que la suma de estos n ensayos de Bernoulli, se
convierten en un experimento aleatorio Binomial. El cual, presenta las siguientes caractersticas:
La funcin de distribucin de probabilidad de una variable aleatoria Binomial sta dada por:
()
f ( X )=P ( X=x )= n p x q nx
x
x=0, 1,2, 3, .n
E ( X )==np
Var ( X )= 2=npq
i) ()
P ( x=a )= n p x q nx =P ( x a ) P( x a1)
x
Ejemplos:
a) En una empresa el 25% de sus empleados tienen estudios de postgrado. Se elige una muestra aleatoria
X
de 20 trabajadores. Si es la v.a. que representa el nmero de trabajadores con postgrado,
encuentra:
P (x 4 )
P ( x < 4)
P ( x >6 )
P ( x 6 )
P (2 x 7 )
P (2< x 7 )
P (2 x<7 )
P ( x=5 )
X
b) En cierto proceso de produccin se sabe que el 10% de la unidades fabricadas son defectuosas. Si
es la v.a. que representa el nmero de unidades defectuosas, halladas en una muestra de 30 articulos
tomados al azar, encuentra:
La probabilidad de que a lo sumo 12, esten defectuosas
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
DISTRIBUCIN POISSON
La distribucin de probabilidad de Poisson, modela aquellos tipos de fenmenos, que ocurren en un intervalo
de tiempo o distancia determinado. Dicho intervalo puede estar dado en horas, minutos, segundos, etc. o en
kilometros, metros, centimetros, etc.
En los experimentos Poissonianos, los eventos deben ocurrir de manera aleatoria e independiente unos de
otros.
La funcin de distribucin de probabilidad de una variable aleatoria Poisson sta dada por:
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
x
e
f X =P X=x =
( ) ( )
x!
x=0, 1,2, 3, .n
Donde x representa el nmero de xitos que ocurren durante un periodo de tiempo, en el cual, se espera,
que un promedio de ellos, ocurra.
E ( X )==
Var ( X )= 2=
X P( )
Iguales que las de la Distribucin Binomial, arriba escritas, excepto cuando se halla.
e x
P x=a =
( )
x!
Ejemplos:
a) En promedio en una interseccin vial, ocurren 3 accidentes por mes. Cual es la probabilidad de que en un
determinado mes, en esta interseccin ocurran:
- Exactamente 4 accidentes?
- Minimo dos accidentes?
b) Por un congestionado peaje de la region, pasan autos a una tasa de 300 autos por hora. Encuentra la
probabilidad que en un minuto cualquiera, lleguen:
- 2 autos.
- Menos de 3 autos.
- Entre 2 y 5 autos inclusive.
n ( n 30 ) , y la probabilidad de xito p
Cuando el tamao de muestra es grande, es pequea
( p 0.05 ) , entonces la distribucin Binomial, se puede aproximar a una distribucin Poisson, haciendo a
lambda,
=np
La aproximacin es buena si np 5
Ejemplo:
a) La probabilidad de que una persona muera debido a cierta infeccin respiratoria, es de 0,002. Encuentre
la probabilidad de que mueran menos de 5 personas de las prximas 2000 personas infectadas.
b) El 1% de los articulos producidos por una empresa son defectuosos. Encuentre la probabilidad de que
haya 4 defectuosos en una muestra de 500 articulos.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
DISTRIBUCIN HIPERGEOMTRICA
Un Fenmeno se modela con la distribucin de probabilidad Hipergeometrica, cuando se cumplen las dos
siguientes condiciones:
a Cuando de una poblacin total de tamao N , se extrae una muestra aleatoria sin reemplazo de tamao
n
.
N
b Cuando dentro de la poblacin de elementos hay, k xitos, de tal manera que los fracasos sern,
Nk
.
f ( x )= p ( X =x ) =
( x )( nx )
k N k
( Nn )
x=0, 1,2, 3, .n
N k n
Dnde: = es el tamao de la poblacin; = es la cantidad de xitos en la poblacin; = es el
tamao de la muestra o el nmero de ensayos y; x = es el nmero de xitos en la muestra.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Es decir, la distribucin Hipergeometrica, mide la probabilidad de obtener x xitos, del total de xitos k ,
de la poblacin N , cuando se toma una muestra sin reemplazo de n elementos de la poblacin total.
Var ( X )= 2=npq ( NN n
1 ) k k N n
=n (1 ) (
N N N 1 )
Dnde: ( NN1
n
) , es el llamado factor de correccin poblacional, que tiende a 1, cuando N .
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Iguales que las de la Distribucin Binomial, arriba escritas, excepto cuando se halla.
P ( x=a )=
( x )( nx )
k N k
( Nn )
Ejemplos:
a De 30 personas seleccionadas de una determinada empresa, 12 de ellas son tcnlogos, y 18 son
profesionales, en el rea de mercadeo. Si se selecciona una muestra aleatoria de 8 personas, cul es la
probabilidad de que:
- 4 de ellos sean tcnlogos.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
k
p=
N
Ejemplo:
a De cada 2000 tornillos fabricados por una determinada mquina, hay 2 defectuosos. Para realizar el
control de calidad, se observan solo 150 tornillos. Se rechaza el lote si se llegase a encontrar, mas de 1
tornillo defectuoso. Calcule la probabilidad de que el lote sea rechazado.
DISTRIBUCIN NORMAL
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Es una distribucin con amplias aplicaciones, como por ejemplo, las medidas longitudinales, de rea,
edades, estaturas, industria, mediciones fsicas, experimentos metereolgicos, entre otras.
X N ( , 2)
1
( x
)
1 2
f ( x )= e < x <
2
E ( X )=
Var ( X )= 2
1
( x
)
1
La funcin de probabilidad Acumulada de X , est dada por:
2
f ( x )= e
2
x 1
( t )
1
F ( x )= e 2
dt
2
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO
Teorema:
2 X
X N ( , ) , entonces la variable estandarizada Z N (0,1) , donde, Z=
Si la v.a. continua
Z.
Que es la llamada variable Estandarizada
Ejemplos:
a) Los pesos de cierto grupo de personas estan distribuidos de manera normal, con una media de
=70 kg . =12.5 kg .
Y una desviacin estndar de Cul es la probabilidad de que una
persona seleccionada al azar, de este grupo, tenga un peso de entre, 50 y 85 kg.?
b) Supngase que los dimetros de los tornillos producidos por una fbrica, estan distribuidos de
manera normal, con una media de 0,25 pl. y una desviacin estndar de 0,02 pl. se considera
un tornillo defectuoso, si su diametro es menor e igual a 0,2 pl. o mayor e igual a 0,28 pl. Halla
el porcentaje de tornillos defectuosos fabricados por la compaa.
ESTADISTICA NOTAS DE CLASE - MSc. LILIANA VITOLA GARRIDO