Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ESTADISTICA
Índice
Bibliografía Recomendada.
Rúbrica de Evaluación: En los bloques 1 y 2 el alumno deberá contestar todos los 15 reactivos. Para el
bloque 3 cada medida calculada representa 1 punto en la evaluación del Segundo Parcial. Del bloque 4a el
alumno deberá elegir 6 de los ocho ejercicios, del bloque 4b deberá resolver los 4 ejercicios, del bloque 5a
el alumno deberá elegir 7 de los nueve ejercicios y del bloque 5b deberá elegir 3 de los seis ejercicios.
Cada ejercicio elegido en los bloques 4 y 5 vale 0.5 punto en la evaluación del Tercer Parcial.
Colaboradores
Grupo(s) a
Nombre del Docente Correo Electrónico
Evaluar Cuadernillo
Noemi Cruz Perez noemi_cruzperez@yahoo.com.mx 10612 y 10615
Ing. Alicia López García lici.lopez.mate@gmail.com 10601
Armando Figueroa Ortiz figueroarmando@yahoo.com.mx 10606,10608,10609,10610 y 10613
La probabilidad se describe como la ciencia de hacer afirmaciones sobre lo que ocurría en poblaciones
conocidas en base a muestras obtenidas, y la estadística fue descrita como una técnica científica que elige
una muestra y hace inferencias sobre la población desconocida. Es utilizada por otras áreas de estudio en
un proceso de investigación, como las administrativas, ciencias físicas y sociales, y de muchos otros
campos.
DEFINICIÓN DE LA ESTADISTICA
El aprender de la estadística es más parecido a aprender otro idioma que aprender matemáticas, es más
que formulas y datos. Incluye los procesos de resolución de problemas, pensamiento estadístico,
recolección de datos, obtención de resultados numéricos y gráficos, y su cuestionamiento.
Cada cosa o persona es una unidad estadística por lo que es diferente de manera única a los demás.
Cuando se trata de un solo rasgo, se dan muchos valores de una sola variable que genera un patrón.
La estadística aplica técnicas para cuantificar las ideas de investigación y la información se reduce de
manera numérica y pueda representarse grafica o algebraicamente.
La experiencia y compresión de la vida real constituyen la base para comprender la estadística. Esta se ha
utilizado para fines descriptivos, para organizar y resumir datos, terminando con su presentación
numérica y gráfica.
Los métodos estadísticos permiten obtener información precisa de los datos:
1. Definir la situación cuidadosamente.
2. Recolectar datos.
3. Resumir la información con precisión.
4. Obtener y expresar conclusiones representativas del estudio.
TIPOS DE ESTADISTICAS
El campo de la estadística puede dividirse a grandes rasgos en dos áreas:
Estadística descriptiva y estadística inferencial.
Estadística descriptiva: Es la estadística que incluye la recolección, presentación y descripción
de datos muestrales.
Un uso importante de la estadística descriptiva es resumir un conjunto de datos de una manera clara y
comprensible. Hay dos métodos básicos: números y gráficos. Utilizando el enfoque numérico se podría
calcular estadísticas como la media y la desviación estándar. Usando el método grafico se podría crear
diferentes tipos de diagramas.
La estadística inferencial se utiliza para obtener conclusiones sobre una población a partir de una muestra.
Hay dos métodos principales utilizados en la estadística inferencial: estimación y pruebas de hipótesis. En
la estimación, la muestra se utiliza para calcular un parámetro y se construye un intervalo de confianza
alrededor de la estimación. En el uso más común de las pruebas de hipótesis es que se plantea hipótesis
nula (hipótesis acerca de un parámetro de la población) y se determina, si los datos son lo suficientemente
fuertes como para rechazarla.
ELEMENTOS BÁSICOS DE LA ESTADISTICA Y DEFINICIONES:
TERMINOS BASICOS DE LA ESTADISTICA
Para el inicio del estudio de la estadística es necesario definir algunos términos básicos.
EXPERIMENTO:
Es una actividad que se planea para obtener resultados de una muestra.
PARAMETRO:
Es un valor numérico que resume la información de una población. Es el promedio de los datos obtenidos
y que describe la población.
ESTADISTICA:
Valor numérico que describe los datos de las muestras. Se determinara con ayuda de fórmulas.
Por ejemplo: “la edad promedio de los estudiantes del 3er semestre de la preparatoria.”
Ejemplo 1: identifica los ocho términos de la estadística: el 23% de la población adulta en Canadá padece
alergia. En una muestra aleatoria de 1200 adultos se encontró que 20.2% tiene alergia.
Solución:
Población: Personas adultas de Canadá.
Muestra: 1200 adultos.
Variable: Padecen alergia.
Dato: “Si” padecen alergia; “No” padecen alergia.
Datos: 1200 entre “Si” y “No”.
Experimento: muestra aleatoria.
Parámetro: 23% de la población “Si” padece alergia.
Estadística: 20.2%
Ejemplo 2: Un estudiante está interesado en determinar el valor promedio de los automóviles de los
profesores de su escuela, en especial a los maestros de matemáticas.
Solución:
Población: Todos los automóviles de la escuela.
Muestra: Los automóviles de los maestros de matemáticas.
Variable: Valor en pesos.
Dato: El valor del automóvil del profesor Ledesma es de $ 110.000.00
CETIS 030 “EMILIANO ZAPATA” 3
PROBABILIDAD Y ESTADISTICA
Población: ____________________________________________________
Muestra: ____________________________________________________
Variable: ____________________________________________________
Dato: ____________________________________________________
Datos: _____________________________________________________
Experimento: _____________________________________________________
Parámetro: _____________________________________________________
Estadística: _____________________________________________________
TIPOS DE VARIABLES
VARIABLE:
Establece cómo es la característica de interés sobre cada elemento de la población o muestra, puede tomar
diferentes valores y es parte fundamental del estudio estadístico.
Es cualquier característica o atributo que mide difiere para diferentes materias.
Por ejemplo, si se midió el peso de 30 sujetos, entonces el peso sería una variable.
Debido a sus diferentes y variadas características la variable se clasifica en: variable cualitativa y variable
cuantitativa.
Estas variables se pueden subdividir en:
Normal
Cualitativa
Ordinal
Variable
Discreta
Cuantitativa
Continua
VARIABLE NOMINAL
Es la variable que describe o identifica un elemento de una población. Por ejemplo: color de su
preferencia, género, afiliación política, estado civil, ciudad de residencia, marca de automóvil, etc.
VARIABLE ORDINAL
Es la variable que presenta una posición, clasificación o un ordenamiento. Por ejemplo: grados de estudio,
nivel de satisfacción, nivel de preferencia de un producto, etc.
Las variables cualitativas se miden en una escala nominal (se asignan elementos a los grupos o categorías,
ejemplo de escalas nominales: preferencia religiosa, raza y sexo)
VARIABLE CONTINUA
Es la variable que puede tomar cualquier valor entre los números reales o el intervalo de valores incluido
entre ellos. Por ejemplo, el tiempo transcurrido entre la llegada de dos aviones a un aeropuerto, etc.
Las variables cuantitativas se miden en una escala ordinal (los números más altos, representan los valores
más altos), intervalo (una unidad en la escala representa la misma magnitud en el rasgo o característica
que se mide a través de toda la gama de la escala) o de razón.
OBTENCIÓN DE DATOS
Los datos no ocurren simplemente: es necesario buscarlos y recolectarlos. Los datos deben representar
con exactitud a la población, no es fácil garantizar que un método particular de muestreo produzca datos
requeridos.
La obtención de datos para el análisis estadístico es un proceso complicado y laborioso. Incluye los
siguientes pasos:
Los métodos que se utilizan para recolectar datos con el fin de realizar un análisis estadístico son los
experimentos y estudios de observación:
Las características de los datos más importantes son el valor máximo y el mínimo, los datos de mayor
frecuencia y la tendencia de agruparse
Los datos se organizan de acuerdo al número de elementos de la muestra. Si son pocos datos (datos no
agrupados) se puede hacer un arreglo y si son muchos datos (datos agrupados) – una tabla de
distribución.
ARREGLO
La forma más sencilla en la que se organizan los datos: se colocan los elementos u observaciones de la
muestra en orden ascendente o descendente según su magnitud. El arreglo es utilizado con mayor
frecuencia para pocos datos, llamados datos no agrupados
Ejemplo: las edades de los miembros de un club de pintura.
37, 28, 40, 47, 30, 42, 38, 52, 25, 30
El arreglo en orden ascendente será:
25, 28, 30, 30, 37,
38, 40, 42, 47, 52
TABLA DE DISTRIBUCIÓN DE DATOS
(DISTRIBUCIÓN DE FRECUENCIA)
Cuando se obtiene un gran número de datos es útil distribuirlos en categorías o clases y determinar el
número de datos pertenecientes a ellas (frecuencias).
Entonces, los datos quedan agrupados en clases o categorías.
Ejemplo:
Los aciertos de un examen fueron:
TABLAS DE DISTRIBUCIÓN DE FRECUENCIAS
El número de
datos de cada
clase se llama
frecuencia (f)
El número total de
datos de una muestra
se representa con “N”
N= 60
CLASES (CL)
Las clases o categorías no deberían ser tan pequeñas (menos de 5) o tan grandes (más de 20). Para
determinar el número de clases (CL) que debe tener la muestra, se obtiene la raíz cuadrada del número
total de datos (N), o bien se aplica la fórmula de Sturges:
CL = 1+ 3.32 log N ó CL = √N
Ejemplo: Clase f
50 - 59 7
Para el ejemplo:
mc = 50 + 59 = 109 = 54.5
2 2
mc = 54.5
RANGO (R)
Es la amplitud de los datos de la muestra y se obtiene mediante la diferencia del dato mayor menos el dato
menor.
Ejemplo:
Dato mayor: 98- 30 = 68 R = 98 - 30 = 68
Dato menor: 30 R = 68
TAMAÑO DE INTERVALO (I)
Se puede obtener con el cociente del rango entre el número de clases:
Ejemplo:
I = 68 = 9.7, haciendo el redondeo:
7
I = 10
No. CLASES f fa fr
1 30 - 39 1 1 0.02
2 40 - 49 3 4 0.05
3 50 - 59 7 11 0.11
4 60 - 69 20 31 0.34
5 70 - 79 16 47 0.26
6 80 - 89 8 55 0.13
7 90 - 99 5 60 0.09
N= 60 Iguales ∑ 1
Porcentaje (%). Si la frecuencia relativa se multiplica por 100, obtenemos el porcentaje, valor que nos permite
estimar, si la frecuencia con la que aparece un dato es relevante o no.
1 30 - 39 1 1 0.0116 0.02
2 40 - 49 3 4 0.05 0.07
3 50 - 59 7 11 0.116 0.19
4 60 - 69 20 31 0.333 0.52
5 70 - 79 16 47 0.266 0.78
6 80 - 89 8 55 0.133 0.91
7 90 - 99 5 60 0.083 1
N= 60
0 1 1 1/22 1/22
2 2 3 2/22 3/22
3 3 6 3/22 6/22
4 2 8 2/22 8/22
5 4 12 4/22 12/22
6 3 15 3/22 15/22
7 2 17 2/22 17/22
8 1 18 1/22 18/22
9 3 21 3/22 21/22
10 1 22 1/22 22/22
Ya sabes que existen dos maneras de determinar el número de intervalos o de clases (CL) adecuados para
datos agrupados, dependiendo del número de datos (N):
CETIS 030 “EMILIANO ZAPATA” 12
PROBABILIDAD Y ESTADISTICA
● Cuando son hasta cien datos: El valor entero más próximo a √N,
CL = √N.
CL = 1+ 3.32 log N
Para seleccionar los límites de clase que definirán los intervalos y la longitud de los mismos se
recomienda:
➢ Calcular el rango (R) incluido entre todos los datos, que es la medida de la dispersión de los
datos obtenidos de la muestra mediante la fórmula:
I=R
CL
Este ancho de clase se ajusta para abarcar todos los datos. Puede redondearse a una cifra decimal más de
la que tienen los datos, por ejemplo, si los datos son enteros un redondeó de 0.5 sería suficiente.
Para asegurarnos de que ningún valor queda afuera debemos definir un nuevo rango (NR) de los datos,
multiplicando el ancho de cada clase por el número de intervalos.
NR = I * (CL)
El nuevo Rango debe ser de igual o mayor tamaño que el rango original, si es mayor, el exceso se reparte
equitativamente antes del dato menor y después del dato mayor.
Al final, para obtener la frecuencia de cada clase se cuenta el número de datos que quedan entre sus
límites. En el caso de que un dato se encuentre en la frontera de una clase, se debe de contar en la
siguiente clase y no en la primera.
EJEMPLO:
Ejemplo: Los siguientes datos corresponden a la estatura, medida en centímetros, de los alumnos de un
grupo de estudiantes.
Primera ordenaremos los datos de menor a mayor para facilitar su conteo y observamos que se tiene más
de diez valores diferentes, Por lo cual se deben agrupar.
I = R = 28
CL 6 = 4.66 redondeado a 5.
11/40 9/40
153.5 158.5 163.5 168.5 173.5
HISTOGRAMA
Son rectángulos cuyas bases están sobre un eje horizontal representadas con los límites reales de clases y
las alturas son iguales a las frecuencias.
Frecuencias HISTOGRAMA
“ACIERTOS DE UN EXAMEN”
25
20
15
10
0
CLASES (limies reales)
29.5
39.5
49.5
59.5
69.5
79.5
89.5
POLÍGONO DE FRECUENCIA
Es una gráfica representa Con segmentos de recta
Características:
unidos en cada marca de clases, asemeja un
polígono cuando se une al eje horizontal. • Cada barra representa un dato o una
clase.
• Cada barra tiene el mismo ancho.
• Para datos no agrupados las barras van
Polígono de Frecuencia juntas y para datos agrupados se deja
"Aciertos en un examen" una separación pequeña entre las clases.
25% • La altura de cada barra representa
alguna de las frecuencias: la frecuencia
absoluta, la frecuencia relativa o el
20% 20% porcentaje.
16%
15%
10%
8% 8% Marca de clase (mc)
6%
5%
4%
2%
0%
25
POLÍGONO DE FRECUENCIAS ACUMULADAS 20
Se elabora partiendo del valor 0 en el extremo izquierdo de la 15
primera clase y va tomando en los extremos derechos de las
clases un valor igual a la frecuencia acumulada. Se unen los 10
puntos y de esta manera se obtiene el polígono de frecuencias 5
acumuladas
0
1 2 3 4 5 6 7 8 9 10
PICTOGRAMAS
La frecuencia de cada clase se
presenta con dibujos referentes a
20 la variable.
18
16
14 PICTOGRAMAS
12
“ACIERTOS DE UN EXAMEN.
10
8
6
Nomenclatura:
4
representa 1 dato
2
0 representa 2 datos
SECTOR CIRCULAR
EJEMPLO:
"ACIERTOS DE UN EXAMEN"
1
3 2 7
fr 12%
Ejemplo: Distribución de frecuencias 13%
6 2%
CLASES f fr X 360° 5%
1 30-39 1 0.016 5.76° 8%
2 40-49 3 0.05 18° 27%
3 50-59 7 0.116 41.76°
5
4 60-69 20 0.333 119.88°
5 70-79 16 0.266 95.76° 4
33%
6 80-89 8 0.133 47.88°
7 90-99 5 0.083 29.88°
∑ 360°
GRAFICA DE BARRAS
Son rectángulos cuyas bases están sobre un eje horizontal representadas con los limites de clases y las
alturas son iguales a las frecuencias.
GRAFICA DE BARRAS
“ACIERTOS DE UN EXAMEN”
CLASE f 20
20
S 18
18
1 30-39 1
16
16
2 40-49 3
14
14
3 50-59 7
12
12
4 60-69 2
0 10
10
5 70-79 1 88
6 66
6 80-89 8 44
7 90-99 5 22
30303939 4040 49
49 5050 59
59 606069
69 707079
79 80
80 89
89
CLASES
(Límites de clases)
OJIVA
Se utilizan las frecuencias relativas acumuladas y las marcas de clases.
1.2 OJIVA
1 “ACIERTOS DE UN EXAMEN”
0.8
0.6
0
30-39 40-49 50-59 60-69 70-79 80-89 90-99
fra
La zona importante de la Ojiva es
cuando cambia de concavidad
II. Realiza las distribuciones y las graficas correspondientes a los ejercicios de 5 a 11 en Excel.
5. El gerente de una compañía tiene 15 solicitudes para ocupar un puesto vacante. Se hacen
entrevistas y se dan calificaciones de los candidatos. Sus calificaciones de la prueba son:
30 27 28 27 29 25 28 27 28 26 26 31 20 26 26
Organiza las calificaciones en una distribución de frecuencias que contenga las frecuencias relativas y
realiza el grafico correspondiente.
6. El numero de operaciones realizadas en un cajero automático en los últimos 18 días fueron:
55 72 65 58 81 90 73 66 57 62 70 92 54 78 66 74 51 83
8. El gerente de una tienda de abarrotes esta interesado a averiguar cuantas veces un cliente
compra en su tienda durante una semana. Las respuestas de 39 clientes fueron:
4 2 3 3 1 4 5 6 2 6 6 6 7 8 14 12 9 6 3 5 3 4 5 6 4 1 6 5 9 7 12 4 7
5 13 11 10 8 2
a. Organiza los datos en una distribución de frecuencias que muestre las frecuencias
acumuladas, relativas y relativas acumuladas.
b. Traza el grafico correspondiente y analízalo.
9. Una empresa de venta por internet estudia el tiempo de surtido de los pedidos (el tiempo desde
que recibe y entrega un pedido) para una muestra de pedidos. Los tiempos de surtido se
reportan en días.
Tiempo Frecuencias
0 a 2 días 12
3 a 4 días 10
4 a 5 días 8
5 a 8 días 6
9 a 10 días 3
36 45 28 30 38 24 45 51 34 26 36 23 52 34 42 40 28 36 43 50 60 41 22 33
64 42 45 60 31 32 28 60 45 62 43 60 53 38 47 18 23 35 50 41 20 36 21 19
54 47 41 23 19 25
a. Organiza los datos en una distribución de frecuencias que muestre las frecuencias
acumuladas.
b. ¿Dónde tienden a agruparse los datos’
c. Elabora el grafico correspondiente.
11. Dibuja el diagrama lineal y de plano de la cantidad de coches, producidos en unos países, para el
2012, si sabes que esta se ha aumentado para EEUU, Japón en 30%, para Alemania y Francia - en 20% y
para Gran Bretaña - en 25%. Utiliza la tabla que se muestra abajo para el 1995:
PAÍS Cantidad de
coches en
millones
EEUU 15
Japón 9
Alemania 5
Francia 4.5
Gran Bretaña 3
12. Trazar el polígono y el histograma de la distribución de frecuencia del número de trabajadores de una
empresa según sus salarios mensuales dados en la tabla siguiente:
Intervalos Frecuencia f
(Salarios mensuales en (Número de los trabajadores)
dólares)
50-100 2
100-150 6
150-200 18
200-250 4
250-300 2
13. Dibujar diagrama circular del ciclo diario de un alumno de la preparatoria que se distribuye como
sigue: para dormir -- 8 horas; para la escuela -- 7 horas; para ver televisión -- 4 horas; para hacer los
deberes -- 2 horas; para diversión -- 2 horas; para comer -- 1 hora.
14. Se sabe que los empleados de una tienda tienen edades como sigue (en años):
28,26,36,49,16,42,38,61,40,23,31,53,35.
15-25 2 2/13=0,15
25-35
35-45
45-55
55-65
𝛴= 𝛴=
15. El INEGI muestra la tasa de crecimiento media anual de la población por entidad federativa, 1990 a
2010 de los Estados Mexicanos, en porciento en un intervalo de 5 años desde 1990 hasta 2010. Escoge un
Estado y elabora en tu cuaderno el gráfico correspondiente que muestre el crecimiento de la población.
Haz comparación entre la tasa de crecimiento de los diferentes Estados.
Definición:
Son medidas que nos proporcionan información del valor central de los datos, como el promedio, el valor
medio de los datos que más se repiten. Tienden a ubicarse en la parte del centro de la representación
gráfica.
Fórmulas para calcular medidas de tendencia central para datos sin agrupar
∑𝒏
𝒊=𝟏 𝑿𝒊
� =
Media aritmética: 𝑿 =
𝑵
𝑵+𝟏
Mediana: =
𝟐
Moda: No existe una formula, es el valor que más se repite en el conjunto de datos:
Categorías de moda:
Unimodal: Cuando hay un solo valor
Bimodal: Cuando 2 valores se repiten el mismo número de veces.
Multimodal: Cuando más de 2 valores se repiten el mismo número de veces.
No existe Moda: Cuando ningún valor se repite en el conjunto de datos.
Una vez visto el video calcule Media, mediana y moda para los siguientes problemas:
Problema 1.- Los siguientes valores son las edades de un grupo de niños en clase de pintura infantil: 3, 3,
3, 4, 4, 5, 6, 7, 7, 8.
Problema 2.- Ocho pacientes con cita previa necesitaron esperar varios minutos para que fueran
atendidos en la clínica de su localidad. La espera fue de: 38, 42 36, 40, 44, 45, 36,42.
Problema 3.- La ganancias diarias de un restaurante dentro de una semana son como sigue: 4600, 4800,
3500, 4300, 8200, 9500, 6400.
(VALOR 9 PUNTOS)
∑(𝒙𝒊 )𝑭𝒊
�=
Media aritmética: 𝑿 =
𝑵
𝒏
− 𝑭𝒊−𝟏
Mediana = Me = 𝑳𝒊 + � 𝟐
𝒇𝒊
� [𝒂𝒊 ]=
𝒇𝒊 − 𝒇𝒊−𝟏
Moda = Mo = 𝑳𝒊 + �(𝒇 � [𝒂𝒊 ] =
𝒊 − 𝒇𝒊−𝟏 ) + ( 𝒇𝒊 − 𝒇𝒊+𝟏 )
Una vez visto los videos calcule Media, mediana y moda para los siguientes conjuntos de datos
agrupados en intervalos:
Problema 4
Intervalo X Frecuencia F Xf
Absoluta
(f)
50 - 59 5 5
60 - 69 9 14
70 –79 10 24
80 – 89 7 31
90 – 99 8 39
100 - 109 1 40
∑ 40
Problema 5
Intervalo X Frecuencia F Xf
Absoluta(f)
16 - 20 14 14
21 – 25 18 32
26 – 30 26 58
31 – 35 32 90
36 – 40 50 140
41 – 45 38 178
46 – 50 24 202
51 - 55 17 219
∑ 219
Problema 6
Intervalo X Frecuencia F Xf
Absoluta(f)
15 – 22 14 14
23 – 30 17 31
31 – 38 12 43
39 – 46 9 52
47 – 54 5 57
∑ 57
(VALOR 9 PUNTOS)
Las medidas de posición dividen un conjunto de datos en grupos con el mismo número de individuos: Se
utilizan para mostrar la localización de un dato específico en relación con otros datos de la muestra.
• Cuartiles: Son los tres valores de la variable que dividen a un conjunto de datos ordenados en 4
partes iguales. Q 1, Q 2 , Q 3 determinan los valores correspondientes al 25%, al 50% y al 75% de
los datos.
• Deciles: Son los nueve valores que dividen la serie de datos en 10 partes iguales. Los deciles dan
los valores correspondiente al 10%, 20%, 30%.......y al 90% de los datos.
• Percentiles: Los centiles o percentiles son los 99 valores que dividen la serie de datos en 100
partes iguales. Los percentiles dan los valores correspondientes al 1%, 2%, 3%, 4%.......y al 99%
de los datos
Video 7) Cuartiles introducción│ Qué son y cómo encontrarlos en datos sin agrupar
Video 8) Deciles│ Introducción concepto y como encontrarlos datos sin agrupar
Video 9) Como sacar PERCENTILES
Una vez visto los videos calcule: El Primer cuartil (Q 1 ), El quinto decil (D 5 ) y El percentil setenta
(P 70 ) para los problemas 1, 2 y 3.
(VALOR 9 PUNTOS)
𝒌𝒏
− 𝑭𝒊−𝟏
Cuartil = Q k = 𝑳𝒊 + A � 𝟒
�=
𝑭𝒊 − 𝑭𝒊−𝟏
𝒌𝒏
− 𝑭𝒊−𝟏
Decil = D k = 𝑳𝒊 + A �𝟏𝟎
𝑭 −𝑭
�=
𝒊 𝒊−𝟏
𝒌𝒏
− 𝑭𝒊−𝟏
Percentil = P k = 𝑳𝒊 + A �𝟏𝟎𝟎 �=
𝑭𝒊 − 𝑭𝒊−𝟏
Una vez visto los videos calcule: El Tercer cuartil (Q 3 ), El séptimo decil (D 7 ) y El percentil veinte
(P 20 ) para los problemas 4, 5 y 6.
(VALOR 9 PUNTOS)
Las medidas de Dispersión se utilizan para medir el grado de alejamiento que tiene cada uno de los datos
con respecto a una medida de tendencia central. Esto se puede saber mediante el rango, desviación
estándar y varianza para datos no agrupados y agrupados.
Video 13) Rango, varianza, desviación estándar, coeficiente de variación, desviación media: datos
no agrupados.
Una vez visto el video calcule: Rango, varianza, desviación estándar, coeficiente de variación,
desviación media. Para los problemas 1, 2 y 3.
(VALOR 15 PUNTOS)
Una vez visto el video calcule: Varianza, Desviación Estándar, coeficiente de variación. Para los
problemas 4, 5 y 6.
(VALOR 9 PUNTOS)
Miden el grado de simetría y la zona de concentración de los datos en la distribución. Las medidas de
forma caracterizan la forma de la gráfica de una distribución de datos estadísticos. Ellas comparan la
forma que tiene la representación gráfica, histograma de barras de la distribución con la distribución
normal.
Medidas de asimetría (SESGO): Una distribución es simétrica cuando su mediana, su moda y su media
aritmética coinciden.
La distribución es asimétrica a la derecha, si las frecuencias descienden más lentamente por la derecha
que por la izquierda.
Si las frecuencias descienden más lentamente por la izquierda que por la derecha la distribución es
asimétrica a la izquierda.
3(𝑋� −𝑀𝑑)
Ca = 𝑠
=
Medida de apuntamiento o Curtosis: Ellos miden la mayor o menor cantidad de datos que se agrupan en
tono a la moda.
El coeficiente de curtosis mide que tan “puntiaguda” es una distribución respecto de un estándar (forma
acampanada denominada “normal”)
Distribución leptocúrtica: Presenta un elevado grado de concentración alrededor de los valores centrales
de la variable.
Distribución mesocúrtica: Presenta un grado de concentración medio alrededor de los valores centrales
de la variable.
Distribución platicúrtica; Presenta un reducido grado de concentración alrededor de los valores centrales
de la variable.
Ck= ∑(𝑥𝑖 − 𝑥̅ )
-3=
𝑛𝑠4
Donde: 𝑥̅ = media aritmética; x i = Cada uno de los valores ; s= Desviación estándar; n = tamaño de la
muestra y ∑ = sumatoria.
Una vez visto el video sustituya los valores encontrados en las anteriores medidas centrales y de
dispersión en las fórmulas de: Coeficiente de Asimetría de Pearson y Coeficiente de Asimetría de
Fisher. Para los problemas 1, 2, 3, 4, 5 y 6.
(VALOR 12 PUNTOS)
PARA SER EVALUADOS SOBRE 10 EN EL BLOQUE 3 TENDRIA QUE REUNIR 72 PUNTOS
La palabra conjunto no es nueva para nosotros. La usamos en la vida diaria en distintos escenarios,
por ejemplo, cuando nos referimos a un conjunto de rock, cuando hablamos de ropa, etcétera. El objetivo
ahora es pasar este concepto de la vida diaria al lenguaje de las matemáticas. Por ende, es necesario ir
construyendo poco a poco algunos conceptos y conjuntos importantes. Para hacerlo un poco divertido, en
lo siguiente tomaremos como el ejemplo al grupo 10666 del CETIS 069 y veamos que conjuntos podemos
formar con sus estudiantes.
¿Qué es un conjunto?
Si algún primito nos preguntase que es un conjunto, tal vez lo primero en decirle es que en una
agrupación de cosas, para enseguida, ponerle un ejemplo con algunos de sus dulces o sus juguetes. Es
decir, el concepto de conjunto no es algo demasiado abstracto con el que no podamos lidiar. ¿ Por qué
estudiar conjuntos? Resulta que son la base de muchas aplicaciones. De hecho, la electrónica misma que
hace posible el funcionamiento de los celulares o computadora esta fundada en el Álgebra Booleana que, a
su vez, usa Teoría de Conjuntos. En Matemáticas, la Probabilidad se fundamente en Teoría de Conjuntos.
De manera formal diremos que un conjunto es una colección de objetos o elementos. El orden de estos
elementos no importa pero cada elemento debe ocurrir solo una vez.
Vayamos ahora al CETIS 069, donde el grupo 10666 se determino clasificar a sus integrantes en algunos
de los conjuntos mostrados en la Figura (1). Observando la imagen, el grupo 10666 definió los siguientes
donde la linea vertical | significa “tal que”. Por ejemplo, la definición del conjunto A se lee: A es el conjunto
formados por los elementos x tales que x son los compañeros que llegan tarde .
Con los nombres explícitos de los alumnos del grupo 10666, las definiciones por extensión de estos
mismos conjuntos son:
por ejemplo, el conjunto A de los que llegan tarde esta conformado por Iker, Kevin, Esbeidy y Britanny.
Mientras que el conjunto F de los estudiosos y J de los que todos aman están vacíos. Esto se denota, ya sea
con el símbolo {} o con el símbolo ∅.
Ahora que sabemos las dos formas para definir un conjunto podemos notar que, la definición por
comprensión es muy útil cuando el numero de elementos es muy grande, por ejemplo, es mas sencillo
decir “los alumnos del grupo 10666” que estar nombrando a cada integrante. En cambio, la definición por
extensión es muy útil cuando los elementos son pocos pues se ve mas claramente quienes son, como por
ejemplo en el conjunto de los porros.
Pasemos ahora a definir algunos conjuntos importantes en Teoría de Conjuntos, ya que se ocupan
regularmente y son la base de muchas aplicaciones. El primero es el conjunto vacío, el cual vimos arriba.
Como su nombre lo indica, no tiene elementos y se denota con los simbolos {} ó ∅. Otro es el conjunto
universo y es aquel que contiene a todos los elementos y se representa con el símbolo U, por ejemplo,
U = “los alumnos del salon 10666”. El conjunto unitario es aquel que solo contiene un elemento, por
ejemplo, el conjunto de los compañeros “Judas” compuesto solo por Yeison. El conjunto finito es aquel
en que podemos contar a sus elementos aunque su numero fuese muy grande, mientras que, el conjunto
infinito tiene tantos elementos que no es posible conocerlos a todos. Por último, la cardinalidad de un
conjunto consiste en el numero de elementos que posee, por ejemplo, las cardinalidad del conjunto C de
compañeros porros es de 3 y se denota como card(C ) = 3.
Unión de conjuntos
En la vida diaria, cuando unimos elementos provenientes de diversos orígenes, estamos aplicando
la unión de conjuntos. Por ejemplo, el playlist de Bayron alumno del CETIS 069 esta conformado por
cumbias o reggaeton. Otro ejemplo es la familia Delgadillo Gordillo que esta conformada por la unión de
las personas que sean parientes del Sr. Delgadillo o de la Sra. Gordillo. Para nuestro grupo 10666, veamos
algunos ejemplos:
D ∪ E = { Brianda, Ashly, Shaori, Esbeidy, Brayan, Britny, Iker, Yoraida, Lionel } ,
G ∪ J = { Brayan, Estiven, Tamara, Brandon} ,
F∪ J = ∅,
A∪ F = A.
En el primer caso vemos que Brianda esta tanto en D como en E pero cuando hacemos la unión de conjuntos
ella aparece solo una vez. Esto es correcto, tanto intuitivamente pues de nada sirve repetir su nombre,
como por la misma definición de conjunto que se dio arriba. En el segundo ejemplo, notamos que G ∪ J es
exactamente igual a G. Esto era de esperarse pues J es vacío. De este sencillo ejemplo podemos concluir
algo muy importante en Teoría de Conjuntos: Todo conjunto siempre tiene como elemento al vacío. No
hay necesidad de escribirlo explicitamente en cada conjunto, sabemos que siempre esta ahí como algo
omnipresente. De ahí que el tercer ejemplo sea intuitivo pues si dos conjuntos no tienen elementos, su
unión tampoco. Y en el último ejemplo sucede lo mismo que en el segundo, con la diferencia que se escribió
solo el nombre del conjunto en lugar de listar a todos sus elementos.
Formalmente la unión de un conjunto Y con otro Z se define como
Y ∪ Z = {x|x ∈ Y ∨ Z} , (1)
y se lee: Y unión Z es el conjunto de los elementos x tal que x pertenezca a Y o pertenezca a Z . Los símbolos ∈
significa pertenencia y ∨ significa disyunción, o sea, la letra “o” del español. Por ejemplo, Shaori pertenecerá
al conjunto D ∪ E siempre y cuando Shaori pertenezca a D o pertenezca a E. Si esta en alguna de estas dos
opciones, entonces Shaori estará en D ∪ E. Y esto sucede, pues Shaori esta en D.
Intersección de conjuntos
En la vida diaria, cuando buscamos cosas comunes entre dos opciones, estamos aplicando la intersección
de conjuntos. Por ejemplo, el playlist de Bayron tiene varias canciones de “cumbiaton”, genero que esta en
la intersección de la cumbia y el reggaeton. De igual forma, Brandon Delgadillo Gordillo hijo de la pareja,
esta en la intersección de la Familia Delgadillo Gordillo pues tiene el apellido Delgadillo y Gordillo. No
podemos decir lo mismo de Fiona Lomas Gordillo, prima de Brandon, pues aunque pertenece a la Familia
no esta en la intersección pues solo lleva un apellido. Para nuestro grupo 10666, veamos algunos ejemplos:
A ∩ B = {} , C∩ F = ∅, C∩ D = ∅, C∩ I = C, D ∩ E = { Brianda} .
En el primer caso vemos que el conjunto A de los que llegan tarde no tiene nada en común con el conjunto
B de los “Judas”. Lo mismo sucede con el segundo y tercer ejemplo, aunque con los conjuntos C y F es
más difícil de ver pues F no tiene elementos. ¿ Como podemos entender este resultado? Bueno, arriba
mencionamos que todo conjunto siempre contiene al vacío, por tanto, podemos escribir F = { Brayan,
Tiffani, Kevin, ∅}. Escrito así ya se ve más claramente que lo único en común C y F es el vacío. Con estos
tres ejemplos podemos introducir la definición de conjuntos ajenos, que son dos o mas conjuntos que no
tienen algo en común. El cuarto ejemplo, lo que tienen en común C e I son precisamente los elementos de
C, de ahí que el resultado sea C. En el último ejemplo, lo único que tienen en común D y E es a Brianda.
Formalmente la intersección de un conjunto Y con uno Z se define como
Y ∩ Z = {x|x ∈ Y ∧ Z} , (2)
y se lee: Y intersección Z es el conjunto de los elementos x tal que x pertenezca a Y y pertenezca a Z. El símbolo
∧ significa conjunción, o sea, la letra “y” del español. Por ejemplo, Brianda pertenecerá al conjunto D ∩ E
siempre y cuando Brianda pertenezca tanto a D como a E. Si esta en ambas opciones simultáneamente,
entonces Brianda está en D ∩ E. Y esto sucede, pues Brianda esta en D y en E.
Entonces, cuando restamos a D el conjunto E, debemos dejar los elementos que tenga D y que no tenga E,
que son Ashly, Shaori y Esbeidy. Y esto se aplica para los demás ejemplos. Notemos que, así como con el
reggaeton de Bayron o los parientes Delgadillo, el conjunto de la izquierda funciona de referencia y el de
la derecha el de comparación. Por eso no da lo mismo A \ B que B \ A ya que, en el primer caso el conjunto
de referencia es A mientras que en el segundo caso es B.
Formalmente la diferencia de un conjunto Y con uno Z se define como
Y \ Z = {x|x ∈ Y ∧ x ∈
/ Z} , (3)
y se lee: Y menos Z es el conjunto de los elementos x tal que x pertenece a Y y no pertenece a Z. El símbolo ∈
/
significa “no pertenencia”.
La operación complemento funciona de forma similar, solo que ahora la referencia es el conjunto universo
U. En la vida diaria, cuando decimos que nos falta dinero o un carro, estas dos cosas son nuestro complemento,
es decir, lo que nos falta respecto de un todo. Este “todo” es un conjunto universo. Por ejemplo, el complemento
de las cumbias respecto del universo de la música de Bayron esta compuesto por los corridos, el reggaeton,
el cumbiaton y las charangas. El complemento de los Delgadillo respecto a la familia de Brandon son solo
los Gordillo.
Si nuestro conjunto universo es el grupo 10666, tendríamos que
Bc = A ∪ C ∪ D ∪ E ∪ F ∪ G ∪ H ∪ I ∪ J ∪ K ,
es decir, el complemento del conjunto B son todos los compañeros de Yeison que faltan para completar el
grupo 10666, o sea, la unión de todos los conjuntos restantes.
Si ahora el conjunto universo consistiera solo del conjunto I entonces,
C c = { Britanny, Iker, Tamara, Britny, Kimberly, Ashly } ,
que son los compañeros que le faltarían a Brayan, Tiffani y Kevin para convertirse en el conjunto de los
compañeros que solo platican.
Formalmente el complemento de un conjunto Y respecto de un conjunto universo U se define como
Yc = {x|x ∈ U ∧ x ∈
/ Y} , (4)
y se lee: el complemento de Y es el conjunto de los elementos x tal que x pertenece al conjunto universo U y no
pertenece a Y. Es decir, Y c consiste en todos los elementos que le faltan a Y para convertirse en el conjunto
universo U.
Note la similitud con la definición de la diferencia de conjuntos dada en (3) con el complemento en (4).
Es posible ver entonces que Y c = U \ Y.
Diagramas de Venn
Los diagramas de Venn son una representación gráfica de las operaciones con conjuntos. Abajo vemos
algunas representaciones. Noten que toda operación de conjuntos siempre se realiza en el ambiente de un
conjunto universal U representado por el recuadro.
A B A B
A∪B A∩B
U U
A B A B
A\B B\A
U U
A B A B
Ac Bc
U U
A B A B
A∪B∪C A∩B∩C
U C U C
A B A B
A \ (B ∪ C) Ac
U C U C
Precaución
Lo primero a señalar es que la diferencia de conjuntos no es una resta aritmética, por ello, es conveniente
usar el símbolo \ en lugar de − para acentuar esta distinción. Esta confusión sucede frecuentemente,
por ejemplo, supongamos que card( A) = 20, card( B) = 10, card( A ∩ B) = 5 y nos piden card( A \ B).
Lo principiantes calculan esto erróneamente como card( A \ B) = card( A) − card( B) = 10. El resultado
correcto es card( A \ B) = card( A) − card( A ∩ B) = 15. Y la confusión es mayor aun si se usa −.
Por otro lado, en muchos libros no se preocupan por dibujar el rectángulo exterior que representa el
conjunto universo U. Ellos simplemente suponen que el conjunto universo solo consta de los círculos
que dibujan. Por ejemplo, en el diagrama de abajo a la izquierda esta coloreado en verde Ac cuando
el conjunto universo consta de mas conjuntos que A, B y C pero no son de interés en los cálculos o
simplemente no sabemos quienes son. Ahora, del lado derecho esta coloreado también en verde Ac cuando
el conjunto universo solo consta de los conjuntos A, B y C, por ello no hay necesidad de dibujar el rectángulo
que representa U.
A B
A B
U C
Un análogo de esto en la vida diaria sería la frase “me gusta la pizza”. Si lo piensan un poco, esta frase
esta incompleta y es porque regularmente se presupone que la otra persona sabe de que hablamos. Por
ejemplo, si el universo de las pizzas a las que se refiere la frase consta de las pizzas de Italia tal vez nos
quedaríamos callados sin saber que opinar pues puede que nunca hayamos probado una pizza de ese país,
ni ido allá. Pero si el universo consta solo de las Little Caesars o las Dominos pizza pues podríamos
responder ”a mi también me gustan”. Como podrán darse cuenta, el conjunto universo me da el contexto
en que estoy hablando pero mucha gente obvia esto. Por tanto, cuando en los libros no dibujen el recuadro
que representa U, están obviando que U solo consta de los círculos que dibujan.
Reglas mnemotécnicas
Al principio siempre es difícil entender las definiciones matemáticas abstractas y mucho menos memorizarlas.
Las frases siguientes nos ayudarán en el proceso de entendimiento de las operaciones con conjuntos. Si
definimos Y = yo y T = tu.
La intersección entre
las palabras “voy” y
“reprobar” es la letra o.
A B
v,y o
r,p,b La intersección entre
La calificación es un ∅ las palabras 3 palabras
∅ e,a es el vacío.
conjunto ajeno.
s, t, d, i, c La intersección entre
las palabras “reprobar”
5 y “estadistica” son las
U C
La intersección entre letras e y a.
las palabras “voy” y
“estadistica” es el
vacío.
Guiándonos con los diagramas de Venn coloreados y con el diagrama de Venn particular de este
ejemplo, podemos calcular lo siguiente:
Ejercicios
√ √ √
Ejercicio 1. Si U = { 12 , 0, π, 5, − 2, −4}, A = {− 2, 0, π }, B = {5, 12 , − 2, −4} y C = { 12 , −4}
encuentre: A ∩ B, A ∪ B, ( A ∪ B) ∩ C, Bc ∪ C c , A \ B, ( B ∩ C )c y ( A ∩ C ) ∪ ( B ∩ C ).
/, ∅ en un problema cotidiano.
Ejercicio 2. El propósito es usar los símbolos ∨, ∧, ∈, ∈
En 1901 Karl Landsteiner descubrió que el tipo de sangre varia en cada persona. Hay 8 tipos: A− , B− , O+ ,
AB− , A+ , B+ , AB+ , O− , donde a los signos ± se les llama factor Rh. Hay posible compatibilidad entre
un donador y un receptor si ambos tipos de sangre pertenecen al mismo conjunto. La compatibilidad es
perfecta si son del mismo tipo pero si son de tipos distintos dentro del conjunto, el receptor aceptará sangre
del donador si el área de la región que ocupa este último en el diagrama de Venn es estrictamente mayor
que el área del receptor. Complete las sentencias con las palabras o símbolos matemáticos adecuados.
Se tienen 3 conjuntos A, B y Rh+ . Definalos por extension viendo
el diagrama y calcule las operaciones solicitadas:
A = { }, A B
A− B−
B = { },
+
Rh = { }, AB−
+
B ∩ Rh = { },
+
A ∪ Rh = { }, AB+
+
B \ ( A ∪ Rh ) = { }, A+ B+
Bc = { }.
A B A B
A ∪ B ∪ C \ ( A ∩ B) ∪
A ∩ (B ∪ C)
( A ∩ C) ∪ (B ∩ C)
U C U C
A B A B
( A \ B) ∪ ( A \ C ) ∪
( A ∩ C) \ B
(B \ C)
U C U C
A B A B
A ∪ ( B ∩ C )c C \ ( A ∩ B)
U C U C
A B A B
A ∪ (C ∩ B) ( A ∪ B ∪ C )c
U C U C
En cuanto a las cardinalidades, vemos que card( E) = 35, card( A) = 27, card( F ) = 50, card( A ∩ E) = 12,
card( F ∩ E) = 9, card( A ∩ F ) = 7 y card( A ∩ F ∩ E) = 4.
Ayudandose con los diagramas de Venn de las secciones anteriores, llene con el número correspondiente
los recuadros siguientes y complete el diagrama de Venn de abajo.
E A
8
3
10 5
U F
Con su diagrama de Venn completado, llene cada recuadro con el número correspondiente.
E ∪ F ∪ A \ ( E ∩ F ) ∪ ( E ∩ A) ∪ ( A ∩ F ) = { x | x son alumnos que estudian un solo idioma} ,
( E ∩ A \ F ) ∪ ( E ∩ F \ A) ∪ ( A ∩ F \ E) = { x | x son alumnos que solo estudian dos idiomas} .
Ejercicio 5. Complete todos los recuadros siguientes. Ayúdese con el diagrama de Venn.
B \ ( A ∪ F ) ∪ A \ ( B ∪ F ) ∪ F \ ( B ∪ A) = { x | x son alumnos que practican un solo deporte} ,
Ejercicio 6. En los diagramas siguientes ilumine con distintos colores los pasos intermedios de las
operaciones de conjuntos marcadas en los seis recuadros punteados del ejercicio 5, hasta llegar al resultado
final, que ira en color negro. No importa el orden pero escriba cada operación en las líneas de la derecha.
B A B A
U F U F
B A B A
U F U F
B A B A
U F U F
Ejercicio 7. La síntesis aditiva es una actuación conjunta de estímulos de color sobre la retina. Los
colores obtenidos naturalmente por descomposición de la luz o artificialmente mediante fuentes de luz, se
denominan colores aditivos. Su representación se le llama RGB (Red, Green, Blue). Complete las lineas con
la respuesta correcta. Ejemplo: A ∩ B ∩ C = {blanco}.
A B
A∩B−C = { },
= {verde} ,
= {rojo, verde, azul} , amarillo
rojo verde
= {magenta} ,
= {magenta, amarillo,cian} , blanco
magenta cian
= {cian, verde, azul} ,
= {rojo, amarillo, verde, magenta, azul, cian} , azul
= {rojo, amarillo, verde, magenta, blanco, cian} ,
= {magenta, blanco, amarillo, cian, verde} ,
= {rojo} ,
C
Ejercicio 8. Usando los conjuntos U = { a, b, c, d, e, f , g, h, i, j, k, l, m, n, o, p, q}, X = { a, c, d, e, i, m, p} e
Y = { a, b, e, f , g, k, m, o, q}, compruebe las siguientes 11 propiedades:
Existencia del neutro: 1) X ∪ ∅ = X , 2) X ∩ U = X. Dominación: 3) X ∪ U = U , 4) X ∩ ∅ = ∅.
Complementariedad: 5) X ∪ X c = U , 6) X ∩ X c = ∅, 7) ∅c = U , 8) Uc = ∅.
Involutiva: 9) ( X c )c = X. Leyes de De Morgan: 10) ( X ∪ Y )c = X c ∩ Y c , 11) ( X ∩ Y )c = X c ∪ Y c .
Hemos llegado a la última parte del semestre en la cual se unen varias disciplinas de la Matemática: el
Álgebra, la Estadística, la Teoría de Conjuntos, la Teoría Combinatoria, el Calculo Diferencial e Integral, y
demás disciplinas que no vale la pena mencionar. Por el momento, solo trataremos con las cuatro primeras
y su relación con la Probabilidad.
Hay dos tipos de fenómenos que pueden observarse en la naturaleza. Al primero se le conoce como
fenómenos deterministas. Como su nombre lo indica, se perciben siempre de la misma forma, es decir, se
pueden precisar pues siguen leyes deterministas. Ejemplos son la fuerza de gravedad, los impuestos, el
voltaje eléctrico, etcétera. Todas ellas siguen leyes o ecuaciones que funcionan igual en cualquier lugar.
El otro tipo son los de fenómenos no deterministas o aleatorios. Como su nombre lo indica, no se pueden
precisar pues no siguen una ley que determine su comportamiento. Ejemplos son el clima, los juegos de
azar, la temperatura ambiental, etcétera. La Probabilidad se encarga de estudiar estos fenómenos.
Entonces, como trataremos con fenómenos aleatorios que, si los repito me pueden dar distintos resultados,
es necesario hacer varios experimentos para a partir de sus resultados tratar de modelar su comportamiento.
Aquí en donde entra la Estadística pues esta disciplina nos enseña la recolección de datos, como agruparlos
y como obtener información de ellos.
Por otra lado, los experimentos que podemos realizar como humanos son finitos, es decir somos capaces
solamente de repetir un experimento hasta cierto punto, ya sea por falta de tiempo, por falta de energía,
por falta de dinero, etcétera. Debido a ello, es muy necesario organizar nuestros experimentos y todos
los resultados que obtengamos de ellos. Aquí es donde entra la Teoría de Conjuntos. Es decir, haremos
conjuntos con los resultados de los experimentos para calcular qué tan posible es que algunos o varios de
ellos ocurran más que otros. En adicción, la Teoría de Conjuntos introduce también un esquema lógico que
nos permitirá calcular muchas cosas y dará estructura a la descripción de los fenómenos aleatorios.
muestral. Por ejemplo S = { x | x son los días de la semana }, mientras que un evento A subconjunto de S
podría ser A = { x | x son los días laborables }. Vemos que card(S) = 7 y que card( A) = 5.
Otro ejemplo es el experimento de lanzar dos monedas consecutivamente, escribiendo s=sol y a=águila.
El espacio muestral vendría dado por S = {(s, s), (s, a), ( a, s), ( a, a)}. Un evento puede ser A = {(s, s), (s, a)}
que consiste en las veces que la primer moneda cayo sol. Aquí card(S) = 4 mientras card( A) = 2.
Como podemos notar el espacio muestral juega el mismo papel que el conjunto universo U, y sí, son
los mismo pero en diverso contexto. Se escogió llamarle espacio muestral para recalcar que es un conjunto
que tiene todas las muestras de los posibles resultados de nuestro experimento. En la tabla 1 se encuentra
un diccionario para traducir algunos términos de Teoría de Conjuntos a la Teoría de Probabilidades.
Como último ejemplo tomemos el experimento de lanzar un dado. Su espacio muestral son todos los
resultados elementales, esto es, S = {1, 2, 3, 4, 5, 6} con card(S) = 6. Un evento es cuando el dado cae en 3,
esto es, A = {3} con card( A) = 1.
En cuanto al tema importante, podemos afirmar que la probabilidad es una medida de la incertidumbre.
La primera noción de probabilidad es la probabilidad “subjetiva” basada en la opinión de un experto. Un
ejemplo cotidiano son los partidos de fútbol, donde cada uno le da una probabilidad de que un equipo
gane o pierda.
Otra noción es la probabilidad teórica o probabilidad “a priori” de un evento A que resulta del
cociente de la cardinalidad del evento A y la cardinalidad del espacio muestral S,
card( A)
p( A) = . (6)
card(S)
Los inconvenientes de definir la probabilidad de esta forma son: 1) Solo es válida cuando los eventos
elementales son equiprobables (igualmente probables). 2) A veces no es posible contar.
Retomemos el ejemplo consistente en tirar un dado para ejemplificar esta noción.
Vemos que la probabilidad de sacar un 3 es 1/6 ≈ 0.166 y, podemos intuir y calcular que, este resultado
no cambiará para cualquiera de las otras caras del dado. Vemos también que es distinto enunciar "sacar un
2 o un 3"que "sacar un 2 y un 3". En el primer enunciado estamos aplicando la operación unión mientras
que en el otro estamos aplicando la intersección. Este último caso es un evento imposible pues da como
resultado el vacío ya que no se puede sacar un 2 y un 3 simultáneamente teniendo un único dado. El último
es un evento seguro pues siempre al lanzar un dado saldrá alguno de los 6 números, por ello p(S) = 1.
Pasemos ahora a la noción Estadística de probabilidad. Si nos hubieran pedido el porcentaje de veces
que sale el 3 al tirar un dado usando Estadística, tendríamos que repetir muchas veces el experimento
de tirar un dado y anotar la frecuencia f en que sale el 3. Teniendo f y el número total n de tiradas que
hicimos, el siguiente paso es calcular la frecuencia relativa f r y después la acumulada Fr . El porcentaje
pedido vendría dado por f r × 100 %. Hagamos una pausa aquí y analicemos la fórmula de la frecuencia
relativa f r ,
f
fr = . (7)
n
Notemos la analogía entre esta formula y la fórmula de la probabilidad dada en la ec. (6). El número total n
de tiradas juega el papel de card(S) mientras que la frecuencia f juega el papel de card( A). He aquí entonces
la noción Estadística de probabilidad, por ello es que a la frecuencia relativa f r también se le conozca como
probabilidad empírica o probabilidad “a posteriori”. Los inconvenientes de definir así la probabilidad
son los siguientes: 1) No es posible realizar un experimento indefinidamente. 2) Las condiciones bajo las
cuales se realiza el experimento pueden variar en el tiempo y, con ello, las frecuencias relativas.
Estarán de acuerdo que la noción subjetiva de la probabilidad no tiene sustento matemático y, por
ende, no nos ayudará a tomar una decisión. La pregunta ahora es ¿Como podemos reconciliar la noción
de probabilidad teórica con la empírica? Para responder esta cuestión es necesario analizar cuando el
número de pruebas del experimento estadístico crece indefinidamente. En el lenguaje del Cálculo, hay que
calcular este límite,
p( A) = lı́m f r ( A) , (8)
n→∞
el cual da como resultado p( A). Es decir, a medida que el número de pruebas del experimento tiene al
infinito (o son demasiadas), la frecuencia relativa del evento A tiende a estabilizarse en torno a un número.
Este número es precisamente la probabilidad “a priori” del evento A. Esta es la llamada Ley de los
Grandes Números y es el primer teorema fundamental de la Teoría de Probabilidades. En la figura (2)
vemos como la frecuencia relativa concerniente a sacar un determinado número con un dado, se estabiliza
alrededor de 1/6 ≈ 0.166, que es precisamente la probabilidad “a priori”.
Inclusive, por sentido común, cuando lanzamos muchas veces un dado, no debemos esperar que un
resultado ocurra más frecuentemente que otro. Los resultados en esta situación se dicen equiprobables.
Es decir, siempre esperamos obtener cada resultado de los lanzamientos. En otras palabras, esperamos
que salga 1 en 1/6 de los lanzamientos, 2 en 1/6 de los lanzamientos, 3 en 1/6 de los lanzamientos y
así sucesivamente. La Regla de Laplace es precisamente esto, llevar el sentido común a las matemáticas.
Podemos enunciarla así: cuando todos los resultados de un experimento aleatorio sean equiprobables,
la probabilidad de un evento A será el cociente entre el número de resultados favorables a que ocurra
el evento A y el número de resultados posibles del experimento contenidos en el espacio muestral. Esto
queda sintetizado en la formula (6). Vemos pues que su origen proviene de la Regla de Laplace.
La aguja de Buffon
Reconocer cuándo los resultados son equiprobables al calcular probabilidades nos ahorra mucho trabajo.
La equiprobabilidad está presente en casi todos los juegos de azar y en muchos otros problemas cotidianos.
Sin embargo, hay varios casos donde no es intuitivo aplicar la Regla de Laplace. Un ejemplo es el experimento
llamado la aguja de Buffon que consiste en dejar caer una aguja sobre una hoja rayada paralelamente
y anotar las veces que la aguja cruza alguna de las rayas. Después de lanzar la aguja muchas veces se
comprobó que el experimento estaba íntimamente relacionado con el número π, a saber,
2l
p(aguja cruce una línea) = lı́m f r = ,
n→∞ Lπ
es decir, cuando el numero de experimentos n es muy grande, la frecuencia relativa del experimento es
igual a la probabilidad de que una aguja cruce una línea, a su vez igual a 2l/Lπ. Aquí l es el largo de la
aguja y L = es la distancia entre lineas paralelas. Hay que notar dos cosas: Por simplicidad se ha quitado el
“a priori”, lo cual haremos desde este momento y es porque ya conocemos la Ley de los Grandes Números;
segundo es que este resultado no es intuitivo e imposible obtener con la regla de Laplace.
l
Despejando a π tenemos, π = L lı́m2n→ ∞ fr
, así en la figura (3) vemos como el valor de π se estabiliza
alrededor de 3.1416 cuando el numero de lanzamientos es muy grande.
card( E \ F ∪ P) 70
a) p( E \ F ∪ P) = = = 0.2692
card(S) 260
card( F ∩ P \ E) 60
b) p( F ∩ P \ E) = = = 0.2308
card(S) 260
card(( E ∪ F ∪ P)c ) 5
c) p ( E ∪ F ∪ P)c =
= = 0.0192
card(S) 260
card( E ∩ F ∩ P) 15
d) p( E ∩ F ∩ P) = = = 0.0577
card(S) 260
Ejercicios
Ejercicio 1. Haga un ensayo A MANO de máximo una pagina del vídeo:
Ley grandes números y Regla de Laplace de Javier Valdés Gómez
https://www.youtube.com/watch?v=vweXbDNwsh4
Ejercicio 2. En una fiesta infantil hay 3 sabores aguas: Horchata, Naranja y Tamarindo. Ayudándose
del diagrama de Venn resuelva:
= { x | x son 5 niños que solo toman agua de Horchata y Naranja pero no de Tamarindo} ,
N∩T\H = { x | x son niños que solo toman agua de Naranja y Tamarindo pero no de Horchata} ,
H∩T\N = { x | x son 30 niños que toman agua de Horchata y Tamarindo pero no de Naranja } ,
H \ (N ∪ T) = { x | x son niños que },
N \ (H ∪ T) = { x | x son niños que },
= { x | x son niños que solo toman agua de Tamarindo } ,
c
H∪N∪T = { x | x son niños que no toman de estas 3 aguas } ,
Para cada evento de los recuadros de la izquierda, calcule su probabilidad con la formula (6), o sea:
p( )= ,
130
donde card(S) = 130. Es decir, debe sustituir la cardinalidad marcada en los recuadros punteados y hacer
la división por 130. En el recuadro del paréntesis va la operación de conjuntos correspondiente.
Ejercicio 3. Sea S el espacio muestral consistente en los alumnos entrevistados y,
La cardinalidad de S es, card(S) = . Ahora poniendo en la linea dentro del paréntesis la operación
del conjunto, calcule la probabilidad de que, al elegir un joven al azar,
¿ Cómo se cuenta el número de personas en un cuarto lleno de gente? Podríamos contar cabezas pues
cada persona tiene exactamente una cabeza. Alternativamente, podríamos contar orejas y dividir por dos.
Por supuesto, podríamos tener que ajustar el cálculo si alguien pierde una oreja en una incursión pirata o
alguien nació con tres orejas. El punto aquí es que regularmente podemos contar una cosa contando otra.
Mucho antes de la invención de los números, los humanos primitivos usaban sus dedos para contar.
Una clásica imagen la podemos encontrar en la portada del libro Baldor (Fig. 4(a)). Su forma de contar era
asignando a cada dedo de la mano un animal (Fig. 4(b)). Aun en la época moderna así aprendemos cuando
somos niños. El gran salto apareció con la invención de los números surgiendo una nueva regla, la cual a
cada dedo de la mano se le asigna un numero (Fig. 4(c)). Este sencillo paso nos permite comunicar a otros
la cuenta que obtuvimos, lo cual era posible hasta cierto grado para el hombre primitivo.
Podemos ver entonces que el contar es un proceso que consiste en una regla de asignación que relaciona
dos conjuntos. Uno de ellos es del que se quiere obtener información y el segundo conjunto nos ayudan a
contar. Esa regla de asignación es lo que conocemos como función.
f f f f
A B A B A B A B
a 5 a 5 a 5 a 5
b 6 b 6 b 6 b 6
g z g z g z g z
y q
f no es función. f es biyectiva.
f es inyectiva. f es sobreyectiva.
Un caso donde f no es función está en el primer ejemplo, donde f asigna al elemento g del conjunto
A dos elementos del conjunto B, incumpliendo el requisito para ser una función. Los restantes tres casos
si cumplen el requisito y son los tres tipos de funciones que hay. Notemos que, si f es inyectiva se deber
cumplir que Card( A) ≤ Card( B). Si f es sobreyectiva se cumple que Card( A) ≥ Card( B). Y si f es biyectiva
obligadamente se debe cumplir que Card( A) = Card( B).
Problema O1.
Para responder este problema podemos nombrar al conjunto A como A = { posicion 1, posicion 2} que
es el orden que guardan los dígitos de izquierda a derecha en una cifra de dos números, al conjunto B como
B = {3, 5, 7} que son los números con los que formaremos las cifras y la función f como “poner en una
posición especifica a un número”. Esto lo visualmente esta indicado en la figura 6 donde vemos que la cifra
37 se forma al asignar a la posición 1 el numero 3 y a la posición 2 el 7. En estos casos la función f trabaja
de forma inyectiva. Otro ejemplo mostrado al lado es la cifra 33 formada al poner en la posición 1 y en la
posición 2 el número 3. En este caso f trabaja de forma sobreyectiva debido a que el problema indica que es
permitida la repetición de los números. Si continuamos con esta idea vemos que podemos formar en total
9 cifras: {33, 35, 37, 53, 55, 57, 73, 75, 77}.
Problema O2.
Para responder este nuevo problema, lo unico que hay que quitar son las ocasiones en que f trabaja
de forma sobreyectiva, es decir, no se deben tomar las cifras 33, 55, y 77 (ver Fig. 7). Por tanto, podemos
formar en total 6 cifras: {35, 37, 53, 57, 73, 75}.
Problema O3.
Este problema es similar al anterior, la unica diferencia es que la cardinalidad de los conjuntos A y B es
la misma. Por tanto, la función f trabaja de forma biyectiva (ver Fig. 8) y podemos formar en total 6 cifras:
{357, 573, 735, 537, 375, 753}.
Es importante subrayar que, en los problemas tipo O, los elementos de ambos conjuntos son distinguibles.
Por ejemplo, la posición del 3 en la cifra 35 es diferente en la cifra 53 de igual forma el 3,5 y 7 son números
distintos.
Problema C1.
Sean el multiconjunto A = { posicion, posicion} y el conjunto B = {3, 5, 7} que son los números con
los que formaremos los productos. La función f será ahora “formar un producto de dos números”. Un
multiconjunto es una generalización de la noción del concepto de conjunto donde ahora se permite la
repetición de los elementos, es decir, en un multiconjunto puede haber elementos indistinguibles con es el
caso de A. En nuestro problema esto conlleva a que el producto 3 × 7 sea indistinguible de 7 × 3.
Dado que se nos permite la repetición de los números, debemos tomar en cuenta las ocasiones en que
la función f trabaja tanto de forma inyectiva como sobreyectiva (ver Fig. 9). Por tanto, podremos formar en
total 6 productos: {3 × 3, 3 × 5, 3 × 7, 5 × 5, 5 × 7, 7 × 7}.
Problema C2.
La única diferencia con el problema anterior es que ahora no se permite la repetición de los números. Es
decir, debemos tomar en cuenta solamente las ocasiones en que f trabaja de forma inyectiva (ver Fig. 10).
Por tanto, el número de productos que podemos formar son 3: {3 × 5, 3 × 7, 5 × 7}.
Es importante subrayar que, en los problemas tipo C, los elementos de A son indistinguibles y los de
B distinguibles.
Metodizando el conteo
En este punto debemos notar varias cosas importantes:
II) Si son distinguibles se pueden ordenar. A esto se le conoce como Ordenaciones, Arreglos o Variaciones.
Si son indistinguibles es imposible ordenarlos. A su mezcla se le conoce como Combinaciones.
III) Los elementos de B deben ser siempre distinguibles, por tanto, B debe ser forzosamente un conjunto.
Intuitivamente esto se entiende porque para contar debemos poder distinguir visualmente los objetos.
IV) En un conteo donde se permite la repetición de los elementos de B siempre hay asociada una función
sobreyectiva, mientras que, con la no-repetición una función inyectiva.
V) Un función biyectiva solo se puede conseguir cuando no se permite repetición en B como en el caso
inyectivo pero card( A) = card( B). A este tipo de Ordenaciones se les llama Permutaciones.
A B f
Card(A)= k Card(B)= n A −−→ B
n!
Tabla 2: Ordenaciones y combinaciones. Alternativamente (n)k se puede calcular como (n)k = (n−k) !
.
Viendo la tabla, la formula nk denota que el número n se debe elevar a la potencia k. La formula (n)k
se le conoce como factorial decreciente y quiere decir es que el numero n se debe multiplicar por sus
antecesores hasta que se llegue al numero (n − k + 1). La formula n ! le conoce como factorial de n y quiere
decir que el numero n se debe multiplicar por sus antecesores hasta llegar al 1, es un caso particular del
factorial decreciente cuando n = k. A los términos del tipo (rs) se les llama coeficiente binomial.
nk =⇒ 75 = 7 · 7 · 7 · 7 · 7 = 16807 ,
(n)k =⇒ (7)5 = 7 · 6 · · · (7 − 5 + 1) = 7 · 6 · 5 · 4 · 3 = 2520 ,
n! =⇒ 7 ! = 7 · 6 · 5 · 4 · 3 · 2 · 1 = 5040 ,
7·6·5·4·3·2·1
n 7 7! 7! 5040 5040
=⇒ = = = = = = 21
k 5 5 ! (7 − 5) ! 5!2! (5 · 4 · 3 · 2 · 1) (2 · 1) (120) (2) 240
n−1+k 7−1+5
11 11 ! 11 ! 39916800
=⇒ = = = = = 462 .
k 5 5 5 ! (11 − 5) ! 5!6! (120)(720)
n!
Cabe señalar que (n)k se puede calcular alternativamente en término de los factoriales como (n)k = (n− k) !
.
Una vez que hemos metodizado al conteo y podemos aplicar las formulas procedamos a resolver de
forma rápida los problemas anteriores usando la Tabla 2.
Problema O1. Los elementos de A son distinguibles. Se permite la repetición de los elementos de
B entonces debe considerarse cualquier función de A a B, es decir, tanto sobreyectivas e inyectivas.
Como card( A) = k = 2 y card( B) = n = 3, la respuesta al problema es 32 = 9.
Problema O2. Los elementos de A son distinguibles. No se permite la repetición de los elementos
de B entonces solo deben considerarse las funciones inyectivas de A a B. Como card( A) = k = 2 y
card( B) = n = 3, la respuesta al problema es (3)2 = 3 · 2 = 6.
Problema O3. Los elementos de A son distinguibles. No se permite la repetición de los elementos de
B entonces solo deben considerarse las funciones inyectivas de A a B, sin embargo, como card( A) =
card( B) = 3 en realidad son funciones biyectivas. La respuesta al problema es 3 ! = 3 · 2 · 1 = 6.
Problema C1. Los elementos de A son indistinguibles. Se permite la repetición de los elementos de
B entonces debe considerarse cualquier función de A a B, es decir, tanto sobreyectivas e inyectivas.
(3−1+2) !
Como card( A) = k = 2 y card( B) = n = 3, la respuesta es (3−12+2) = 2 ! (3−1) ! = 2 4! 2! ! = 24
4 = 6.
Problema C2. Los elementos de A son indistinguibles. No se permite la repetición de los elementos
de B entonces solo deben considerarse las funciones inyectivas de A a B. Como card( A) = k = 2 y
card( B) = n = 3, la respuesta es (32) = 2 ! (33−! 2) ! = 2 3! 1! ! = 62 = 3.
Ejemplos
Veamos mas ejercicios y resolvamoslos usando la Tabla 2.
1.- Se venden camisas de tres tipos. Si dos personas compran una camisa cada una ¿ de cuántas posibles
formas se pueden vender las camisas?
Res: Definamos los conjuntos A = { persona1, persona2} y B = {camisa tipo1, camisa tipo2, camisa tipo3}
así como la función f = “una persona compra una camisa”. A es distinguible y esta permitido considerar
cuando f trabaja de forma sobreyectiva pues las personas pueden compartir el mismo gusto en camisas
(elementos de B pueden repetirse). La respuesta es 32 = 9.
2.- Una empresa desea colocar 3 nuevos gerentes en tres de sus 4 plantas. ¿De cuántas maneras se puede
hacer?
Res: Definamos los conjuntos A = { gerente1, gerente2, gerente3} y B = { planta1, planta2, planta3, planta4}
así como la función f = “un gerente se va a una planta a trabajar”. A es distinguible y solo se permite
considerar cuando f trabaja de forma inyectiva pues no puede haber 2 gerentes en una planta (elementos de
B no pueden repetirse). La respuesta es (4)3 = 4 · 3 · 2 = 24.
3.- Tres miembros de una organización se han ofrecido para fungir, de forma voluntaria, como presidente,
tesorero y secretario. Obtener el número de formas en que los tres podrían asumir los puestos.
Res: Definamos los conjuntos A = {miembro1, miembro2, miembro3} y B = { presidente, tesorero, secretario }
así como la función f = “un miembro ocupa un puesto”. A es distinguible y solo se permite considerar
cuando f trabaja de forma biyectiva pues hay 3 miembros y 3 puestos (elementos de B no pueden repetirse).
La respuesta es 3 ! = 3 · 2 · 1 = 6.
4.- Se tienen 5 sabores de helado: banana, chocolate, limón, fresa y vainilla. Si al cliente se le deben dar
3 bolas y el las puede escoger ¿ cuantos tipos de barquillo puede formar el cliente?
Res: Definamos A = {bola, bola, bola} y B = {banana, chocolate, limon, f resa, vainilla} así como la función
f = “elegir una bola de un sabor”. A es indistinguible pues antes de elegir un sabor solo sabemos que el
cono de helado lleva 3 bolas sin importar el orden en que las sirvan. Esta permitido considerar cuando f
trabaja de forma sobreyectiva pues el cliente puede repetir sabores a su gusto. La respuesta es (5−13+3) =
(73) = 3 7! 4! ! = (65040
)(24)
= 35.
5.- Si un club tiene 5 miembros, ¿cuántos comités diferentes de dos miembros son posibles?
Res: Definamos A = { puesto, puesto } y B = {miembro1, miembro2, miembro3, miembro4, miembro5} así
como la función f = “poner en un puesto a un miembro”. A es indistinguible pues los puestos en un
comité no tienen rango. Solo se permite considerar cuando f trabaja de forma inyectiva pues un miembro
no puede ocupar dos puestos. La respuesta es (52) = 2 5! 3! ! = (2120
)(6)
= 10.
Ejercicios
De los ejercicios 1 a 5 defina por extension al conjunto o multiconjunto A según sea el caso, al conjunto
B y a la función f que relaciona a ambos. Haga diagramas de Venn ejemplificando: 1) cuando f trabaja
de forma inyectiva, 2) cuando f trabaja de forma sobreyectiva y, 3) cuando f trabaja de forma biyectiva.
Claro, estos dos últimos casos si el problema lo permite. Por ultimo, escoja la formula correcta de la Tabla
2 y responda las preguntas.
Ejercicio 1. ¿ De cuantas formas se pueden acomodar 3 huevos blancos en un riel lineal del refrigerador
con 5 espacios numerados?
Ejercicio 2. Se lanza una moneda 4 veces. Hallar el número total de resultados posibles.
Ejercicio 3. Supongamos que va a formarse un comité de 5 estudiantes. ¿Cuántos comités diferentes se
pueden formar con respecto a su composición de hombres y mujeres?
Ejercicio 4. En un tren hay un asiento largo y vacío para 3 personas, una sentada al lado de la ventana,
una en medio y al lado del pasillo. En cierta estación se suben 4 personas. ¿ De cuantas formas pueden
estar sentadas las 4 personas?
Ejercicio 5. Resuelva el problema anterior si en vez de subirse cuatro personas se suben 3 personas.
Ejercicio 6. Si tienen alguna duda respecto a como hacer este ejercicio, pueden guiarse viendo el vídeo:
Expansión Binomial Usando el Triángulo de Pascal.
https://www.youtube.com/watch?v=uE5pEUDxYUU
( x + y )7 ,
(5x − 3y)4 .
(00)
(10) (11) ⇐= Ahora, usando la propiedad simétrica de los coeficientes
2 2 2
(0) (1) (2) binomiales (nk) = (n− n
k ) para ahorrar trabajo, calcule todos los
3 3 3 3
(0) (1) (2) (3) coeficientes binomiales del triangulo de la izquierda.
4 4 4 4 4 a) ¿Podría decirse que este triangulo es simétrico respecto una linea
(0) (1) (2) (3) (4)
5 5 5 5 5 5
(0) (1) (2) (3) (4) (5) vertical que lo parte a la mitad?
b) ¿ Nota similitudes entre este triangulo y el triangulo de Pascal?
(60) (61) (62) (63) (64) (65) (66)
(70) (71) (72) (73) (74) (75) (76) (77)
Ejercicio 7. Un granjero tiene vacas en su finca y las quiere encerrar en una cerca, este encuentra 4
maneras distintas para encerrarlas en la mañana, 5 maneras distintas de encerrarlas en la tarde y 4 maneras
distintas de encerrarlas en la noche ¿De cuantas maneras distintas puede encerrar a las vacas?
Ejercicio 8. Una persona desea construir su casa, para lo cuál considera que puede construir los cimientos
de su casa de cualquiera de 2 maneras (concreto o block de cemento), mientras que las paredes las puede
hacer de adobe, adobón o ladrillo, el techo puede ser de concreto o lámina galvanizada y, por último, los
acabados los puede realizar de una sola manera ¿Cuántas maneras tiene esta persona de construir su casa?
Ejercicio 9. De 10 concursantes en un evento femenino, 3 señoritas tienen ojos azules. Si se eligen 2 al
azar ¿Cual es la probabilidad de que i) dos señoritas tengan ojos azules, ii) ninguna tenga ojos azules, iii)
una por lo menos tenga ojos azules?
Probabilidad Condicional
La probabilidad de un determinado evento en un experimento aleatorio puede verse modificada si
se posee alguna información antes de la realización del experimento. Por ejemplo, si se consideran los
alumnos de una clase de Estadística, la probabilidad de sacar a una alumna rubia será diferente de la
de sacar una alumna rubia del grupo de las alumnas, es decir, si se parte del conocimiento de que la
alumna escogida sea del sexo femenino. Para modelar este tipo de situaciones en las que se parte de una
información a priori, se define el concepto de probabilidad condicionada.
Si P( B) > 0, la probabilidad condicionada de que se realice A si sucedió B, P( A| B), viene definida por
el cociente:
P( A ∩ B)
P( A| B) = .
P( B)
P( A ∩ B) = P( A| B) P( B) = P( B| A) P( A) .
Veamos un ejemplo. El 60 % de los alumnos de una clase de Estadística son chicas y se sabe que el 30 %
de las chicas son rubias. ¿Cuál es la probabilidad de escoger un alumno de la clase que sea chica y rubia?
Para resolver este ejemplo se consideran los siguientes sucesos:
P( R ∩ F ) = P( R| F ) P( F ) = (0.3)(0.6) = 0.18 .
Apliquemos esta formula a nuestro ejemplo. Se sabe que el 40 % de las chicas rubias usan lentes. ¿Cuál
es la probabilidad de que al escoger aleatoriamente un alumno de la clase resulte ser una chica rubia con
lentes? Si se define el suceso G = {usar lentes} la probabilidad pedida es,
P( F ∩ R ∩ G ) = P( G/( R ∩ F )) P( R/F ) P( F )
= (0.4)(0.3)(0.6) = 0.072 .
Dependencia e independencia
Anteriormente se introdujo el concepto de probabilidad condicionada, debido a que la probabilidad de
un determinado suceso se ve alterada por la información de que se dispone a priori. Sin embargo, puede
suceder que dicha información no altere la probabilidad de ocurrencia de ese suceso, es decir, el que ocurra
el suceso es independiente de la información.
Teorema de Bayes
Hasta ahora se ha dado la idea intuitiva de probabilidad condicionada como la probabilidad de que
ocurra un evento sabiendo que ha ocurrido con anterioridad otro suceso. Lo que se intentará ahora es
calcular una probabilidad “antinatura”, es decir, se pretende expresar lo que ocurre antes, Ak , en función
de lo que ocurre después, B. De todas formas, esto tiene sentido porque en algunas ocasiones se conoce el
resultado final de un experimento pero se desconocen algunos de los pasos intermedios en los que se está
interesado. El teorema de Bayes,
P( B| Ak ) P( Ak )
P( Ak | B) = , k = 1, . . . , n ,
∑in=1 P ( B | Ai ) P ( Ai )
resuelve esto, pues expresa las probabilidades a posteriori, P( Ak | B), en función de las verosimilitudes,
P ( B | A k ).
Retomando nuevamente nuestro ejemplo, si se sabe que se ha elegido a una persona rubia, ¿cuál es la
probabilidad de que sea chica? La probabilidad solicitada, a la vista de los resultado anteriores es
P( R| F ) P( F ) (0.3)(0.6)
P( F | R) = = = 0.69 .
P( R) 0.26
Si se consideran experimentos con pocos sucesos en el espacio muestral, es posible utilizar el diagrama
de árbol para introducir teoremas complejos de justificar. Así, tanto el teorema de la probabilidad total
como el teorema de Bayes permiten una interpretación muy sencilla cuando se ha relacionan con un
diagrama de árbol.
Consideremos este ejemplo. En una escuela hay 3 aulas: A1 = {aula roja}, A2 = {aula azul} y A3 = {aula
negra}. La roja tiene al 50 % de los estudiantes, la azul al 30 % y la negra al 20 %. Los B = {hombres} son el
40 % y Bc = {mujeres} el 60 %.
Si se selecciona un estudiante al azar, ¿Cuál es la probabilidad de que sea un estudiante hombre?
P ( B ) = P ( B | A1 ) P ( A1 ) + P ( B | A2 ) P ( A2 ) + · · · + P ( B | A n ) P ( A n ) ,
P( B) = (0.4)(0.5) + (0.4)(0.3) + (0.4)(0.2) = 0.4 .
Si el estudiante seleccionado es mujer ¿Cuál es la probabilidad de que su aula haya sido la azul?
El teorema de Bayes resulta un extraño a primera vista, ya que en él se solicita encontrar la probabilidad
de un evento que pudo ocurrir en la primera fase del experimento cuando sabemos lo que ha ocurrido en
la segunda fase. Esto choca con la intuición inicial de los principiantes, pues asocian los eventos con la
causalidad además, suponen que no puede condicionarse un evento a otro que ocurre con posterioridad.
Sin embargo, matemáticamente, el orden temporal es irrelevante para el condicionamiento pero, intuitivamente,
hay diferencia en la comprensión, aspecto que es origen de diversos sesgos de razonamiento.
Ejercicios
Ejercicio 1. Sea una clase de estadística en la que un 20 % de los varones son rubios y un 50 % de
las mujeres rubias. Si se sabe que el 30 % de la clase son varones, se pide: La probabilidad de escoger
aleatoriamente de la clase un varón rubio. La probabilidad de escoger aleatoriamente una persona rubia de
entre todos los alumnos. La probabilidad de que una persona que se ha elegido aleatoriamente sea varón
sabiendo que su pelo es rubio.
Ejercicio 2. Consideremos una población en la que cada individuo es clasificado según dos criterios:
A = {es una persona portadora de V I H } y B = {es una persona en riesgo }. La correspondiente tabla de
probabilidades es:
Dada una persona al azar perteneciente al grupo de riesgo, ¿Cuál es la probabilidad de que sea portador?
Dada una persona al azar no perteneciente al grupo de riesgo, ¿Cuál es la probabilidad de que sea portador?
Ejercicio 3.
En una población el 51 % de las personas son mujeres, el 18 % de las personas tienen la tensión presión
y el 10 % son mujeres con presión alta. cosas. Obtener:
1. Probabilidad de que una persona tenga la presión alta dado que es mujer
2. Probabilidad de ser hombre dado que tiene la presión alta
3. Probabilidad de ser mujer dado que no tiene la presión alta
Ejercicio 4. Sea el experimento de lanzar una moneda y sean los eventos A =“Sol en el quinto lanzamiento”
y B =“Sol en el sexto lanzamiento”. ¿Cual es la probabilidad de que se tenga Sol en el quinto y sexto
lanzamiento?
Ejercicio 5. Una fábrica de tornillos tiene dos máquinas, la M1, que es más antigua, y hace el 75 % de
todos los tornillos, y la M2, más nueva pero pequeña, que hace el 25 % de los tornillos. La M1 hace un 4 %
de tornillos defectuosos, mientras que la M2 tan sólo hace un 2 % de tornillos defectuosos. Si escogemos un
tornillo al azar, ¿Qué probabilidad hay de que salga defectuoso?
Ejercicio 6. Tres máquinas en una fabrica de vidrio producen piezas de adorno. La máquina A produce
el 1 % de las piezas defectuosas, la máquina B el 2 % de las piezas defectuosas y la máquina C el 5 % de las
piezas defectuosas. Cada máquina produce la tercera parte de la producción total. Un especialista examina
una pieza y determina si es defectuosa ¿Cual es la probabilidad de que dicha pieza halla salido de la
máquina A?
Bibliografía Recomendada
[1] John B. Kennedy, Adam M., Neville (1982). Estadistica para Ciencias e Ingeniería. Editorial Harla .
[2] George Canavos. (2003). Probabilidad y Estadistica. Aplicaciones y métodos. Editorial Mc. Graw Hill.
[3] David R. Anderson, Dennis J. Sweeney, Thomas A. Williams (2001). Estadística para administración y
economía. Serie Schaum.