ESTADISTICA APLICADA

Probabilidad

10 DE MARZO DE 2014
OSCAR PEDRAZA MARTINEZ 8B 113463

Contenido
Introduccin ........................................................................................................................................................................... 2 Objetivo: ................................................................................................................................................................................. 2 Alcance: ................................................................................................................................................................................. 2 1. a) b) c) c) d) Estadstica descriptiva ................................................................................................................................................. 3 Media .......................................................................................................................................................................... 3 Moda........................................................................................................................................................................... 4 Mediana ..................................................................................................................................................................... 4 Varianza ..................................................................................................................................................................... 5 Covarianza ................................................................................................................................................................ 6

Desviacin Estndar ........................................................................................................................................................ 6 e) 2. a) b) c) 3. a) 4. a) b) Esperanza matemtica ............................................................................................................................................ 7 Fundamentos de probabilidad .................................................................................................................................... 7 Teora de conjuntos ................................................................................................................................................. 7 Permutaciones ........................................................................................................................................................ 10 Combinaciones ....................................................................................................................................................... 11 Espacio muestral ........................................................................................................................................................ 11 Describe el concepto de espacio muestral......................................................................................................... 11 Probabilidad condicional e independiente .............................................................................................................. 12 Probabilidad condicional e independiente .......................................................................................................... 12 Teorema de Bayes ................................................................................................................................................. 13

Conclusin: .......................................................................................................................................................................... 14

Introduccin La Estadstica se ocupa de los mtodos y procedimientos para recoger, clasificar, resumir, hallar regularidades y analizar los datos, siempre y cuando la variabilidad e incertidumbre sea una causa intrnseca de los mismos; as como de realizar inferencias a partir de ellos, con la finalidad de ayudar a la toma de decisiones y en su caso formular predicciones. La estadstica podemos clasificarla como en estadstica descriptiva y estadstica inferencial. La estadstica descriptiva se dedica al ordenamiento y al tratamiento de la informacin para su presentacin por medio de tablas y representaciones grficas, as como a la obtencin de algunos parmetros tiles para explicar y resumir la informacin. La estadstica inferencial se apoya en el clculo de probabilidades y a partir de datos mustrales, efecta estimaciones, decisiones, predicciones y otras generalizaciones sobre un conjunto mayor de datos. En este mdulo se pretende aplicar la estadstica descriptiva a los factores que intervienen en los procesos de formacin, en reas especficas como las acadmicas, las tecnolgicas, las infraestructurales, de bienestar estudiantil y de proyeccin social. Las variables estarn relacionadas con los alumnos, las instalaciones, los equipos, el medio o lugar de trabajo, los mtodos de enseanza, entre otras. Este mdulo comenzar con el estudio de los diferentes tipos de datos y sus escalas de medicin, y continuar con las distintas medidas y representaciones grficas que ayudan a describir, resumir e interpretar la informacin.

Objetivo: Desarrollar habilidades probabilsticas con el fin de aplicarlas en la vida diaria y en el campo laboral.

Alcance: Adquirir nuevos conocimientos y tener una competencia eficaz en la resolucin de problemas de la probabilidad y estadstica.

1. Estadstica descriptiva Puede definirse como aquellos mtodos que incluyen la recoleccin, presentacin y caracterizacin de un conjunto de datos con el fin de describir apropiadamente las diversas caractersticas de ese conjunto de datos. Ejemplos: promedio de bateo, ndice de accidentes, tasa de mortalidad, calcular desviacin estndar, etc. a) Media Es lo que viene a la mente de la mayora de las personas cuando se menciona la palabra promedio Como este trmino tiene ciertas propiedades matemticas deseables, es la ms importante de las tres. La media aritmtica se calcula al sumar los valores de un conjunto de datos y dividir el resultado de la suma entre el nmero de valores del mismo.

La media poblacional se calcula:

X
i 1

donde = Media Poblacional y N = N datos de la poblacin

La media muestral se calcula:

X
i 1

en donde: X = media muestral y n= n datos en la muestra

Ejemplo: Se han tomado como muestra las medidas de seis cables (cm.) usados en un arns para lavadora, las cuales son: 15.2, 15.0, 15.1, 15.2, 15.1y 15.0, determine su media aritmtica.

b) Moda Se define como aquel valor o valores que ms se repiten entre los datos que se han obtenido en una muestra. Una vez que los datos se han ordenado es posible observar la moda o modas de la misma, la distribucin de los datos puede ser modal (carece de moda, Unimodal (tiene una sola moda), bimodal (tiene dos modas), polimodal (tiene ms de dos modas).

Ejemplo: Determine la moda de los datos que se muestran a continuacin: Se refieren a la estatura de un grupo de jvenes; 1.60, 1.65, 1.70, 1.71, 1.70, 1.70, 1.70, 1.93, 1.87, 1.85

Xmod = 1.70m

c) Mediana Es una medida de tendencia central diferente a las medias. La mediana es un solo valor del conjunto de datos que mide el elemento central en los datos una vez que estos han sido ordenados segn su valor o magnitud. Para calcular la mediana se presentan dos casos:

a) Cuando el nmero de datos en la muestra es impar. En este caso despus de ordenar los datos de la muestra en cuanto a su magnitud, es decir de mayor a menor o de menor a mayor valor, se procede a localizar aquel dato que se encuentra justo en el centro de los datos o en la parte central de los mismos. Ejemplo: Los siguientes datos son las mediciones obtenidas de un circuito utilizado en un arns de lavadora; se toman como muestra siete circuitos y sus mediciones son: 11.3, 11.2, 11.5, 11.2, 11.2, 11.4, y 11.5 cm.

Solucin: Ordenando los datos de menor a mayor valor: 11.2, 11.2, 11.2, 11.3, 11.4, 11.5, 11.5 Xmed = 11.3 cm

b) Cuando el nmero de datos en la muestra es par. En este caso despus de ordenar los datos en cuanto a su magnitud, observamos que en la parte central de los datos no se encuentra dato alguno, en este caso la mediana, tomar el valor promedio de dos datos; el que se encuentra antes de la parte central y el que se encuentra despus de la parte central.

Ejemplo: Los siguientes datos son las mediciones obtenidas de un circuito utilizado en un arns de lavadora; se toman como muestra ocho circuitos y sus mediciones son: 11.3, 11.2, 11.5, 11.2, 11.2, 11.4, 11.5, y 11.4 cm. Solucin: Ordenando los datos de mayor a menor valor, 11.5, 11.4, 11.4, 11.3, 11.2, 11.2, 11.2, 11.1 cm.

11.3 11.2 xmed 11.25cm 2

11.3 11.2 xmed 11.25cm 2

c) Varianza La varianza de una muestra se calcula casi en la misma forma que la desviacin media, con dos pequeas diferencias: 1) las desviaciones de elevan al cuadrado antes de ser sumadas y, 2) se obtiene el promedio, utilizando n - 1 en lugar de n.

sx
Ejemplo:

( x x)
i

n 1

Calcular la varianza de la muestra: 2, 4, 6, 8 y 10

Primero se calcula la media x

2 4 6 8 10 6 5

s2

(2 6) 2 (4 6) 2 (6 6) 2 (8 6) 2 (10 6) 2 = 10.0 5 1

d) Covarianza La covarianza es una medida de cmo estn relacionadas las varianzas de dos variables. Si las dos variables se incrementan a la vez, la covarianza es positiva; mientras que si una variable aumenta y la otra disminuye entonces la covarianza es negativa. Una covarianza de valor cero indica que ambas variables son independientes la una de la otra. Una alta covarianza, tanto positiva como negativa sugiere una correlacin que habra de analizar a un que no implica casualidad. Smbolo: covarianza x.y Ejemplo: X {1,3,3,5} = 12 se suman los datos Se divide entre el nmero de datos 12/4 = 3 Y {12, 12, 11, 7} = 42/4 = 10.5 12x1, 12x3, 11x3, 7x5 X Y (12, 36, 33 ,35) / 4 = 29 3 x 10.5 = 31.5 Covarianza x y = 29 - 31.5 = -2.5

Desviacin Estndar Medida de variacin igual a la raz cuadrada de la varianza. ( ) ( ) ( )

Ejemplo: Para nuestros datos, la desviacin estndar es: ( ) ( ) ( ) ( )

e) Esperanza matemtica Suma del producto de la probabilidad de cada suceso por el valor de dicho suceso. Formula: E (x) = . + . + . =

Si la esperanza matemtica es igual a cero E (x) = 0 el juego es equitativo. Ejemplo: un jugador lanza dos monedas. Gana uno o dos pesos si aparece una o dos caras respectivamente por otra parte pierde cinco pesos si no aparece cara. Determina la esperanza del juego si este es favorable o no. E= { (c,c) (c,x)(x,c)(x,x)} P(+1)= 2/4 P(+2)= 1/4 P(-5)= 1/4 E (x) = . + . +( ). = No favorable

2. Fundamentos de probabilidad a) Teora de conjuntos Conjunto es una coleccin de objetos o entidades distinguibles y bien definidas. Los objetos (nmeros, letras, puntos, etc.) que constituyen un conjunto se les llama miembros o elementos del conjunto EXPLICITAMENTE escribiendo cada uno de los elementos que componen el conjunto dentro de llaves o separados por una coma 1.- Sea A el conjunto de las vocales A= {a, e, i, o, u}

2.- Sea B el conjunto de las vocales B= {lunes, martes, mircoles, jueves, viernes) IMPLICITAMENTE escribiendo dentro de las llaves las caractersticas de los elementos que pertenecen al conjunto, como sigue Sea A es el conjunto de las vocales

Se escribe Y se lee

A= {x/x es una vocal} El conjunto de todas las x tales que x es una vocal

Sea D el conjunto de los nmeros pares Se escribe Y se lee D= {x/x es un numero natural par } El conjunto de todas las x tales que x es un numero natural par

CONJUNTO BIEN DEFINIDO Podemos decir que un conjunto est bien definido si podemos afirmar de manera inequvoca si un elemento pertenece a l o no 1. Sea T el conjunto de las personas simpticas Este conjunto no est bien definido ya que la idea de ser simptico es subjetiva, No hay un criterio definido para decir que una persona es simptica o no 1. Un conjunto es FINITO cuando podemos listar todos sus elementos 2. Un conjunto es INFINITO si no podemos listar todos sus elementos Ejemplo: S= {x/x N, x >= 10} Se lee x tal que x pertenece a los nmeros naturales y x es mayor o igual a 10

IGUALDAD DE CONJUNTOS Decimos que dos conjuntos A y B son iguales (A = B) si todos los elementos de A pertenecen a B A= { x, y } Esto es: A=B, Entonces x A, implica que x B y Qu y B, implica que y A. B= { y, x }

Ejemplo de Igualdad de Conjuntos Si M= {1, 3, 5, 7, 9} y L= {x/x es impar ^ 1 x 9} Esto significa que M=L

SUBCONJUNTO Si cada elemento de un conjunto A es tambin elemento de un conjunto B, Entonces A se llama Subconjunto de B Tambin decimos que A, est contenido en B O que B, est contenido en A A no es un subconjunto de B, es decir si por lo menos un elemento de A no pertenece a B Ejemplo: Considere los siguientes conjuntos: A= { 1, 3, 4, 5, 8, 9 } Podemos decir que: C pertenece a A y C pertenece a B, B={ 1, 2, 3, 5, 7 } C={ 1, 5 }

Ya que 1 y 5 los, elementos de C, tambin son elementos de A y B

no pertenece a

Ya que algunos de sus elementos como el 2 y 7 no pertenecen a A o s que no todos los elementos de B son elementos de A

CONJUNTO VACIO (Conjuntos Especiales) Un conjunto VACIO es el que carece de elementos, se simboliza { } o por . Ejemplo de conjunto Vaco: El conjunto cuyos miembros son los hombres que viven actualmente con ms 500 aos de edad.

b) Permutaciones Si estamos eligiendo de un conjunto de objetos, alguno de ellos en orden o jerarqua determinada estamos haciendo una permutacin, esto es, si al seleccionar o acomodar (r) objetos de un conjunto de (n) objetos distintos cualquier arreglo u orden de estos objetos se conoce como una permutacin. Permutaciones tomando solo partes de los elementos del conjunto a la vez. En esta tcnica de conteo s importa el orden en que aparecen cada elemento del conjunto y en donde cada arreglo del conjunto participan una parte de los elementos del conjunto. Tambin le llamaremos permutacin de n elementos diferentes en grupos de r elementos. Es decir, en cada arreglo aparecern parte de los elementos del conjunto. Formula: ( Ejemplo: Cuntas diferentes permutaciones o acomodos se puede realizar con los nmeros 1,2,3 tomando DOS a la vez? n=3 r=2 ( n= 1 2 3 serian 1,2; 1,3; 2,1; 2,3; 3,1; 3,2. ) )

c) Combinaciones Una combinacin es un subconjunto o un arreglo de todos o parte de un conjunto sin considerar el orden de los objetos, donde el nmero total de combinaciones posibles de un conjunto de objetos tomados a la vez es uno. ( Ejemplo: 5 personas entran a una sala donde hay 8 sillas de cuantas maneras diferentes pueden ocupar las sillas? ( 3. Espacio muestral a) Describe el concepto de espacio muestral Es el conjunto de todos los posibles resultados de un experimento y se representa con la letra S. Representacin: Listas = {1, 2, 3, 4, 5, 6} c Diagramas = c S s s c ) )

Ejemplo: lanzar una moneda y despus lanzar otra vez si sale cara. Si sale cruz en el primer lanzamiento lanzar una dado una vez. Primer tiro segundo tiro Cara cara cruz cara, cruz puntos muestral cara, cara

1 2 3 Cruz 4 5 6

cara, 1 cara, 2 cara, 3 cara, 4 cara, 5 cara, 6

S = {cara, cara, cara, cruz, cara 1, cara 2, cara 3, cara 4, cara 5, cara 6 }

4. Probabilidad condicional e independiente a) Probabilidad condicional e independiente Probabilidad condicional: Es la probabilidad de que ocurra un evento A sabiendo que tambin sucede otro evento B. La probabilidad condicional se escribe: P (A/B) Y se lee: la probabilidad de A dado que B No tiene por qu haber una relacin casual o temporal entre A y B. A puede proceder en el tiempo a B, suceder lo que puede ocurrir simultneamente. A pude suceder a B o viceversa o puede no tener una relacin no casual. Las relaciones casuales o temporales son nociones que no pertenecen al mbito de la probabilidad. El condicionamiento de probabilidad puede lograrse aplicando el teorema de Bayes. Ejemplo: P (A/B) A= Gripa B= Dolor de cabeza

Independencia de sucesos: 2 sucesos aleatorios A y B son independientes si y solo si P (AB) = P (A) P (B)

Exclusividad mutua: 2 sucesos A y B son mutuamente excluyentes si y solo si A B=0 entonces la probabilidad de P (AB) = 0

Probabilidad Independiente: 2 sucesos independientes si la probabilidad de que ocurran ambos simultneamente es igual al producto de las probabilidades de que ocurra uno de ellos es decir si A y B son independientes y la probabilidad de B son las probabilidades de que ocurra respectivamente. b) Teorema de Bayes Dentro de la probabilidad probabilstica proporciona la distribucin de la probabilidad condicional en un evento A dado otro evento B (probabilidad posterior) en funcin de la distribucin de la probabilidad condicional el evento B dado que A y de la distribucin de probabilidad marginal del evento A (probabilidad simple). Partiendo de la probabilidad condicional y probabilidad junto para eventos estadsticamente dependientes. Formula: Ejemplo: El 20% de empleados de una empresa son ingenieros y otro 20% son economistas. El 75% de los ingenieros ocupan puesto directivo y el 50% de los economistas tambin, mientras que los no ingenieros y los no economistas solamente el 20% ocupan un puesto directivo. Cul es la probabilidad de que un empleado directivo elegido al azar sea ingeniero? Ingenieros = 0.75 100% Economistas = 0.50 Otros = 0.20 ( )
( ) ( ) ( )

)(

( ) (

)( )(

) )

)(

Conclusin:

Como conclusin la probabilidad y estadstica me ayudara en la vida diaria ya que a todo momento usamos la probabilidad por mnima que sea. Creo tener una amplia expectativa de donde todo se usa la estadstica aplicada y como es que se utiliza en grandes censos o lneas de produccin. As como tambin el uso de la lgica sabiendo usar la estadstica mentalmente.