Material Estadistica+Aplicada

TRamO vii
MATERIAL DIDCTICO DE LA Y EL DIsCENTE
eSTaDSTica infeRencial aplicaDa a la fUncin pOlicial

TIPO DE UNIDAD CURRICULAR cURSO EJE DE FORMACIN pROfeSiOnal MODALIDAD A DiSTancia DURACIN 75 HORaS VERsIN 1
miniSTeRiO Del pODeR pOpUlaR paRa laS RelaciOneS inTeRiOReS Y JUSTicia Ministro Tareck El Aissami miniSTeRiO Del pODeR pOpUlaR paRa la eDUcacin UniveRSiTaRia Ministra Yadira Crdova aUTORiDaDeS UniveRSiDaD naciOnal eXpeRimenTal De la SeGURiDaD Rectora soraya Beatriz El Achkar Gousoub Vicerrectora de Desarrollo Acadmico Aimara Aguilar Vicerrector de Creacin Intelectual y Vinculacin Social Antonio Gonzlez Plessmann Secretario Frank Bermdez sanabria viceRRecTORaDO De DeSaRROllO acaDmicO Vicerrectora Aimara Aguilar Directora de Gestin de Desarrollo Curricular Ruzay Rangel Coordinador del P.N.F. Policial Jos Cardoso TRAMO VII: MATERIAL ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL. Expertos en contenido Marcos Vsquez Migdalys Marcano Diseadores instruccionales Marcos Vsquez Migdalys Marcano Yesenia Bermdez Productora editorial Mara Alejandra Morales Coordinador grfico Rafael Len Correccin de estilo Nelba Garca Maira Rojas Larry Pea Diseo Grfico y diagramacin John Mendoza
UniveRSiDaD naciOnal eXpeRimenTal De la SeGURiDaD Direccin: Calle La lnea, zona industrial L, Catia. Apartado postal: Caracas 1030 - Venezuela. WWW.UNES.EDU.VE Caracas, marzo de 2012
cOnTeniDO
TRAmO VII eSTaDSTica infeRencial aplicaDa a la fUncin pOlicial
PREsENTACIN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 INTRODUCCIN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 PROPsITO DE LA UNIDAD CURRICULAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 ORIENTACIONEs Y RECOMENDACIONEs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 EsTRUCTURA DEL MATERIAL DIDCTICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
UNIDADES DIDCTICAS
encUenTRO DiDcTicO 1 NOCIONEs DE PROBABILIDAD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 encUenTRO DiDcTicO 2 NOCIONEs DE PROBABILIDAD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 encUenTRO DiDcTicO 3 PRUEBAs DE HIPTEsIs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 BIBLIOGRAFA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
PRESENTACIN
a historia contempornea de Venezuela registra diversas prcticas policiales inadecuadas que han dejado en evidencia una profunda carencia de valores, de principios morales y un fuerte desapego al respeto de los derechos humanos por parte del funcionariado policial. Dichos modus operandi se derivaron, en parte, del modelo de formacin policial con enfoque militarista impartido a los integrantes de los cuerpos policiales. Entre ellos, destacan: el uso indebido o excesivo de la fuerza, la aplicacin de tcnicas y procedimientos sin diferenciar los casos en los que se producan daos y perjuicios a la poblacin, y un alto grado de corrupcin policial. Con la intencin de corregir tales desviaciones y en concordancia con el modelo de sociedad democrtica, participativa, protagnica y corresponsable expresado en la Constitucin de la Repblica Bolivariana de Venezuela el gobierno del presidente Hugo Chvez Fras cre la Universidad Nacional Experimental de la seguridad (UNEs). La finalidad de esta institucin acadmica especializada es, pues, encargarse de la profesionalizacin y del desarrollo integral de las funcionarias y los funcionarios de la seguridad ciudadana venezolana; por ello, se ha propuesto como una de sus principales tareas formar el nuevo modelo policial, en el que las y los oficiales desarrollen habilidades y destrezas para aproximarse a sus semejantes.
Dado que los problemas policiales ya mencionados han contribuido directamente con la descomposicin social por la que atraviesa Venezuela actualmente, se justifica la implementacin del Programa Nacional de Formacin Policial. Los propsitos y objetivos de este programa se orientan al acercamiento y ejercicio poltico legtimo de valores fundamentales como la tica, la justicia y la solidaridad que son, en s mismos, la misin humanista de la revolucin bolivariana. As, la tarea de la UNEs, vista en los mltiples mbitos de la cotidianidad comunitaria e individual, apoyar la transformacin que requieren los procesos de formacin en los ambientes de aprendizaje para contribuir con la profesionalizacin de las funcionarias y los funcionarios policiales. Esto, a su vez, permitir la cancelacin de la vieja deuda social y poltica que se tiene con los cuerpos policiales. sin embargo, el concepto de seguridad ciudadana abarca, de acuerdo con el Texto Constitucional de 1999, el derecho de proteccin que tiene el pueblo venezolano frente a todas las situaciones de amenaza, vulnerabilidad y riesgo, tanto de su integridad fsica como de sus propiedades; tambin, incluye el disfrute de las garantas y los derechos constitucionales. Por ello, se ha erigido como una de las principales responsabilidades y competencias del Estado venezolano. A fin de brindar confianza y certidumbre a la ciudadana en general, el gobierno bolivariano ha diseado e implementado polticas y planes que permi
TRAMO VII
ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL
tan, en primer lugar, mantener y restablecer el orden pblicoesto es, prevenir o represar el delito y la violencia. En segundo lugar, pero no menos importante, dar respuestas efectivas frente a diversas emergencias y desastres. Por ello, es menester que la estructura del gobierno, responsable de esta poltica pblica, cuente con funcionarias y funcionarios tcnico-polticos formados en las distintas profesiones relacionadas con la seguridad ciudadana, que estn debidamente capacitados para: Acudir al llamado que se le haga ante situaciones peligrosas para la colectividad. Precisar y decidir sobre las reas relacionadas con la seguridad ciudadana. Realizar un control poltico eficaz sobre las medidas que se implementen para la proteccin de la integridad fsica y propiedades de las personas o grupos que integran la sociedad venezolana. Habilitar y facilitar el funcionamiento de mecanismos de participacin de las comunidades que hagan efectivas las acciones de control para favorecer la transparencia y rendicin de cuentas por parte de los responsables de las instituciones a cargo de la poltica pblica de seguridad ciudadana. Dentro de este marco de ideas, la UNEs en cumplimiento con lo establecido en el artculo 332 de la Constitucin de la Repblica Bolivariana y el artculo 37 de la Ley Orgnica del servicio de Polica y del Cuerpo de Polica Nacional, adems del PNF Policial, se ha planteado como prioridad el diseo y la implementacin de los siguientes Programas Nacionales de Formacin: Proteccin Civil y Administracin de Desastres Bomberil Investigacin Penal Penitenciaria Del mismo modo, se ha trazado la profesionalizacin de las y los oficiales de los rganos de seguridad estadales y municipales para elevar su nivel de forma-
cin, instruccin y tcnica; en virtud de lo cual, esta universidad orientar y asistir tcnicamente a las academias estadales y municipales para que asuman los nuevos planes de estudio. Para lograrlo, la UNEs rompe con los paradigmas de la educacin tradicional bancaria y se basa en el enfoque de la Teora Crtica. Aborda la formacin desde la perspectiva de la emancipacin, cuyo fin ltimo es la aprehensin de la realidad para originar cambios profundos que permitan, individual y colectivamente, la construccin de la historia cotidiana por parte de sujetos con conciencia ciudadana crtica, capacidad de inventiva y discernimiento. se trata de una educacin en la que las y los estudiantes son considerados sujetos polticos de accin, que deben y pueden generar la transformacin personal y social. Es decir, se trata de una educacin para el ejercicio del poder ciudadano, que demande la garanta de sus derechos, denuncie la barbarie y proponga nuevas formas de organizacin institucional. Desde una comunidad de sujetos polticos, este poder ciudadano permite participar en la construccin de polticas, levantar la voz y la mano para aprobar o rechazar, as como proponer o criticar, las decisiones a tomar. Desde esa ptica, las acciones formativas en la UNEs se conducen desde la educacin popular, como modelo de educacin integral que asume el proceso educacin-accin-transformadora a modo de pilar para la refundacin de la institucionalidad de seguridad ciudadana en general, en concordancia, por supuesto, con los cambios socio-histricos y polticos registrados en la Venezuela actual. Los principios de la educacin popular permiten a mujeres y hombres adquirir nuevas categoras para enfrentarse a su realidad, superar las alienaciones a las que estn sometidos y autoafirmarse como cocreadores de su futuro histrico, conscientes de que slo las reflexiones y la prctica de un conjunto de acciones les permite la confrontacin continua, progresiva y permanente. Uno de los elementos caractersticos de la educacin popular es la dialogicidad como estrategia emi
TRAMO VII
nentemente tica y epistemolgica, cognoscitiva y poltica; como un proceso de rigor en el que existe la posibilidad real de construir el conocimiento, de aceptar al otro y asumir la radicalidad en el acto de amar. El dilogo es ms que un mtodo, es una postura frente al proceso de aprender-ensear: unos ensean, y al hacerlo aprenden, y otros aprenden, y al hacerlo ensean (Freire 1993: 106). Esta manera de entender el dilogo rompe el modelo tradicional del docente como agente poseedor de los conocimientos y del alumno como el depositario de los mismos. Por el contrario, los Programas Nacionales de Formacin impartidos en el marco de la UNEs desechan la idea del alumno como ser sin luz depositario de los conocimientos estticos del docente. En este modelo de educacin democrtica y participativa, el alumnado pasa a ser estudiantado; por su parte, el cuerpo docente se convierte en educadoras y educadores, quienes con su mayutica incentivan la reflexin y construccin social. En resumen, los actores educativos se convierten en verdaderos protagonistas del proceso enseanza-aprendizaje, en el que ambos ensean y ambos aprenden, a travs de un intercambio permanente de saberes intermediados por el dilogo crtico y reflexivo. Por otro lado, la participacin en el mbito acadmico, socio-poltico y cultural, en trminos de produccin cultural y simblica, permitir construir a partir de la sistematizacin de experiencias comunitarias. El objetivo es que este contexto de accin permee el diseo curricular para que responda a las necesidades de transformacin social: disminucin de la exclusin, reversin de los procesos delictivos, fortalecimiento de la ecologa social (desde el mejoramiento del hbitat) y equilibrio entre lo femenino y lo masculino. Como estas condiciones se complementan en el complejo entramado de las relaciones humanas, permiten establecer una visin integrada de los procesos individuales, comunitarios e institucionales en los que intervienen. Del mismo modo, los procesos formativos de la Universidad Nacional Experimental de la seguridad se aco-
gen al enfoque de gnero, que posibilita la comprensin de las diferencias de la diversidad y especficamente, que lucha por erradicar, de las prcticas sociales cotidianas, tanto el sexismo lingstico como el sexismo social de los cuales son vctimas las mujeres en general. Un tema que tambin distingue la formacin UNEs es el enfoque del ecosocialismo. ste hace nfasis en el cuidado del entorno ecolgico donde se habita; en la produccin de mercancas sin deterioro del ambiente, lo que se traduce en una apreciacin de los valores de uso en detrimento de los valores de cambio, que se funda en la actividad econmica propia de empresas de produccin socialista, lo que genera una transformacin de las necesidades y un cambio profundo hacia la dimensin cualitativa del ser humano. Otra importante caracterstica de los procesos de formacin de esta Universidad es la glocalidad. sta se refiere a una forma de resistencia social ante la globalizacin de corte neoliberal que se nos ha intentado imponer con fuerza. Es una invitacin a vernos en la dialctica de lo cercano (local) y lo lejano (global), sin que esa tensin degenere en minusvaloracin de uno u otro componente de la relacin. En trminos educativos, implica compaginar la bsqueda de soluciones a los problemas que afectan la seguridad ciudadana de la poblacin y la posibilidad de enriquecimiento que brinda el intercambio de saberes con actores que debaten y construyen, en sintona, sobre los mismos problemas y necesidades. En esta misma lnea, destaca que el modelo de educacin integral asumido por la UNEs se caracteriza por el humanismo, por fomentar el desarrollo de una tica profesional respetuosa de los derechos humanos. Como se sabe, stos representan el conjunto de libertades, facultades y reivindicaciones que garantizan una vida digna a toda persona. son independientes de factores particulares como estatus, sexo, orientacin sexual, etnia o nacionalidad; tam poco dependen exclusivamente del ordenamiento jurdico vigente. Desde un punto de vista ms relacional, los derechos humanos se han definido como
TRAMO VII
las condiciones que permiten crear una relacin integrada entre el individuo y la sociedad, que le permita ser persona, identificndose con s mismo y con los otros. Por esta razn, desde la perspectiva institucional, se constituyen en la base del modelo constitucional y estn plenamente reconocidos como objetivos y fines de la educacin. En la UNEs los derechos humanos se privilegian; por ello, transversalizan los objetivos de sus cinco PNF, as como las diferentes actividades previstas para las interacciones didctico-formativas. En lneas generales, se asumen como un conjunto de necesidades, valores y principios esenciales para el disfrute y desarrollo de la dignidad humana. Estos temas son, pues, el pilar axiolgico de los proyectos educativos UNEs en aras de ofrecer, a la Venezuela que se est construyendo, un nuevo modelo de servidora y servidor pblico que refleje en sus prcticas y en su discurso cotidiano: mstica, sentido
de dignidad de la funcin encomendada y valor altruista del servicio al pueblo. En resumen, nuevas servidoras y servidores cuya imagen, discurso y acciones sean cnsonos con la nueva visin de la seguridad ciudadana preventiva y de proximidad, inscrita en el paradigma socialista del siglo XXI. En lneas generales, la Universidad Nacional Experimental de la seguridad pretende afianzar en sus estudiantes la formacin bsica, la capacitacin permanente, la investigacin, el estudio y la divulgacin de todas aquellas materias relacionadas con la seguridad ciudadana, de acuerdo con los campos de estudio especficos. As, se propone garantizar al estudiantado un proceso de formacin de elevada calidad cuyo corolario ser la expresin de sus fortalezas, potencialidades y conocimientos producto de sus prcticas. Soraya Beatriz el achkar Rectora
TRAMO VII
INTRODUCCIN
n nuestro pas se ha incrementado de manera alarmante el fenmeno de inseguridad, es por ello que nace la necesidad de analizar esta situacin con la intencin de mejorarla. Con la unidad curricular Estadstica Inferencial se busca que las y los estudiantes puedan interpretar y analizar diversos datos y as poder inferir y formular hiptesis que le permitan abordar el problema. La Estadstica inferencial consiste en los procedimientos con los cuales se deducen o se infieren propiedades en una poblacin, a partir de una pequea muestra de la misma. Esto nos permite predecir sucesos con cierto grado de precisin, que ayuda al funcionario y funcionaria a resolver distintos problemas en materia de seguridad ciudadana. En esta unidad curricular se abordan contenidos de probabilidad que le permiten al discente conocer el nivel de prediccin de sus deducciones. El y la discente al culminar la unidad curricular ser capaz de analizar una determinada cantidad de datos con la finalidad de estudiarlos y formular hiptesis basadas en estos. Adems, las y los estudiantes desarrollarn su capacidad de sntesis y de interpretacin para realizar anlisis, no solo en el rea de la estadstica, sino tambin en diversas reas de la seguridad ciudadana. La Estadstica Inferencial es de suma importancia dentro de la funcin policial para la prevencin del delito, es por ello que realizar estudios estadsticos a
diversos casos de inseguridad nos permite contribuir a la prediccin de los actos delictivos, pues por medio del anlisis de los datos arrojados se puede predecir comportamientos que ayuden a considerar medidas para proponer los planes de seguridad. En esta unidad curricular se desglosan los siguientes saberes: Nociones bsicas de probabilidad, muestreo estadstico, estimacin de parmetros, estimacin de intervalos de confianza y prueba de hiptesis. Cada uno de estos saberes est vinculado a su aplicacin en la seguridad ciudadana y por ello posee un importante contenido prctico. 1. Los saberes a desarrollar en cada encuentro didctico son los siguientes: encuentro didctico 1: Nociones de Probabilidad encuentro didctico 2: Estimacin de Parmetros encuentro didctico 3: Pruebas de Hiptesis
PROPSITO DE LA UNIDAD CURRICULAR
a unidad curricular busca la aproximacin de las y los estudiantes a la exploracin de diversas representaciones matemticas que le permitirn inferir sobre la realidad que le circunda, para desarrollar la capacidad de anlisis en situaciones de su quehacer diario, a travs del estudio de datos estadsticos con el fin de prevenir la comisin de delitos en el ejercicio de su funcin.
10
TRAMO VII
ORIENTACIONES Y RECOMENDACIONES
stimada y estimado discente, valorando la importancia que tienes para nuestra Institucin, hacemos llegar a tus manos el presente material didctico, que contiene una serie de actividades a realizar durante el desarrollo de la unidad curricular Estadstica Inferencial Aplicada a la Funcin Policial, coadyuvando al empoderamiento de los saberes en cada uno de los encuentros didcticos. Por esta razn, se ha establecido que cada encuentro se desarrolle de manera orientada y creativa, que sea enriquecido con tus aportes vinculados a las experiencias previas del ejercicio de tu funcin en el servicio de polica y que, para un mayor aprendizaje colaborativo, podrs realizar en equipo. En este sentido, te invitamos a: Leer en detalle la introduccin de cada encuentro, pues all se describen las actividades que desarrollars durante el proceso de aprendizaje previsto en esta accin formativa. ser consciente de tu proceso de formacin, reflexionando e investigando sobre cada una de las actividades propuestas. Consultar con tu educadora o educador, quien siempre estar a tu disposicin. Realizar todas las lecturas del material y consultar otras fuentes relacionadas con los saberes abordados en el encuentro. Realizar todas las actividades propuestas de manera progresiva, iniciando con el encuentro didctico 1 y as sucesivamente. No perdamos la oportunidad de vivir la experiencia de compartir nuestras habilidades, fortalezas, dudas, saberes, conocimientos y estrategias de aprendizaje con nuestras compaeras y compaeros. Mantengamos siempre una actitud responsable y protagnica.
Aprovechemos los recursos existentes (biblioteca virtual, laboratorios de informtica, material didctico, libros vivientes, entre otros) para enriquecer nuestro aprendizaje. Investiguemos sobre los saberes abordados en cada encuentro didctico, ello permitir profundizar y tener una visin holstica de los mismos al vincularlo con el ejercicio de nuestras funciones. Por ltimo, mantengamos una actitud favorable para realizar todas las actividades; recordemos que ello implica tener una buena disposicin y buen estado de nimo para emprenderlas.
ESTRUCTURA DEL MATERIAL DIDCTICO

introduccin: en esta parte se contextualiza cada encuentro y se explica su finalidad y alcance a travs de los aspectos a abordar, las relaciones con los dems encuentros e incluso algn antecedente importante que se deba resaltar para, finalmente, expresar el propsito que tiene dicho encuentro en la organizacin del Material Didctico. Orientaciones: cada encuentro tiene las orientaciones especficas que indicarn la manera de abordar las actividades propuestas; en ellas estn descritos los pasos a seguir para alcanzar las metas. actividades: para efectos de los logros que esta unidad curricular pretende, se establecen actividades que le dan coherencia a los encuentros didcticos, ellas son: ejercicios tericos y casos prcticos, lecturas e investigacin. Todos se encuentran intercalados en el desarrollo de cada encuentro y, en algunos casos, la actividad final estar acompaada de las respuestas correctas. La finalidad de este apartado es contribuir con la comprensin y facilitar el manejo de las situaciones propuestas. encuentro Didctico: en la UNEs, los encuentros didcticos reflejan las polticas, los principios, fundamentos y bases que le dan sustento al modelo educa-
TRAMO VII
11
tivo que rige nuestra institucin (Educacin Popular), expresando as, las orientaciones terico-metodolgicas de la accin educativa, que tienen un propsito claro y vinculado con el saber a desarrollar. stas facilitan, orientan e informan de manera secuencial los contenidos para la activacin de los saberes mediante la puesta en prctica de actividades, a fin de provocar su evocacin, la investigacin y el anlisis crtico reflexivo en las interacciones de aprendizaje. Dorrego y Garca (2001) y Feo (2009) definen encuentro didctico como el acercamiento de las y los estudiantes con las estrategias instruccionales inmersas en el material didctico, trascendiendo as de los procesos educativos de ambientes de aprendizaje convencionales a las necesidades de aprendizaje donde la interaccin presencial continua de las y los educadores y estudiantes no es indispensable para lograr las metas comunes de aprendizaje. encuentro presencial: est caracterizado por la Poltica de Administracin del PNF Policial como el acompaamiento permanente de las y los estu-
diantes, educadoras y educadores y la comunidad, en diferentes ambientes de aprendizaje. Por ello, la asistencia a los encuentros presenciales es de carcter obligatorio, a fin de cumplir con las actividades de capacitacin y mejoramiento profesional. En este sentido, el recorrido de las actividades didcticas que tendremos en los encuentros presenciales permitir aclarar dudas, intercambiar y fortalecer los saberes, compartir reflexiones y valorar nuestro proceso de aprendizaje. evaluacin: se propone asegurar la calidad del proceso de formacin que se desarrolla en la UNEs, a travs de la evaluacin formativa durante el desarrollo de los encuentros didcticos y la evaluacin sumativa en los encuentros presenciales, entendiendo que el proceso de evaluacin busca potenciar las habilidades y capacidades desarrolladas por las y los estudiantes en relacin con los planteamientos descritos en el encuentro didctico, con el fin de regular o modificar las acciones pedaggicas propias de la universidad.
12
TRAMO VII
encUenTRO DiDcTicO 1.
nOciOneS De pROBaBiliDaD
pROpSiTO
Conocer las nociones de probabilidad y su aplicabilidad en la funcin policial.
Estimados y estimadas estudiantes, el encuentro didctico denominado Nociones de probabilidad pretende que nos apropiemos de los conceptos bsicos de la probabilidad enmarcados en su aplicacin dentro de las funciones policiales. En este sentido, abordaremos los siguientes saberes: Definicin de probabilidad, espacio muestral, evento, conjunto, probabilidad condicional, probabilidad en conjuntos, teorema de Bayes, variables aleatorias, combinatoria, variables aleatorias discretas y continuas y distribucin de probabilidad.
Para desarrollar los saberes mencionados anteriormente te presentamos unas actividades que consisten en: 1. Preguntas generadoras, a partir de las cuales, activars tus saberes previos con respecto a la temtica que se va a desarrollar, con el fin de partir de tu realidad, condicin histrica, y de la toma de conciencia crtica en torno a ella. 2. Problemas de probabilidad que nos permiten ejercitarnos y comprender las nociones de probabilidad que ms adelante profundizaremos y aplicaremos en la estadstica. 3. Una encuesta que permitir posteriormente calcular diversas probabilidades en base a la misma. Con estos clculos podemos describir la poblacin a la cual entrevistamos. Para culminar el encuentro nos encontraremos con una actividad final donde debers utilizar todo lo aprendido, consta de ejercicios con distintos niveles de complejidad. Al finalizar encontraras una clave de respuestas que te permitir evaluar tus avances.
acTiviDaD 1. lecTURa: inTRODUccin a la pROBaBiliDaD

Leamos Con atenCin! En la vida cotidiana aparecen muchas situaciones en las que los resultados observados son diferentes, aunque las condiciones iniciales en las que se produce la experiencia sean las mismas. Por ejemplo, al lanzar una moneda unas veces resultar cara y otras veces sello. Estos fenmenos, denominados aleatorios, se ven afectados por la incertidumbre. En el lenguaje habitual, frases como probablemente..., es poco probable que..., hay muchas posibilidades de que... hacen referencia a esta incertidumbre. La teora de la probabilidad pretende ser una herramienta para modelizar y tratar con situaciones de este tipo; por otra parte, cuando aplicamos las tcnicas estadsticas a la recogida, anlisis e interpretacin de los datos, la teora de la probabilidad proporciona una base para evaluar la fiabilidad de las conclusiones alcanzadas y las inferencias realizadas. pROBaBiliDaD La probabilidad es la posibilidad numrica de que ocurra un evento. La probabilidad de un evento es medida por valores comprendidos entre 0 y 1. Mientras mayor sea la probabilidad de que ocurra un evento, su probabilidad estar ms prxima a 1. La probabilidad de certeza es 1. La probabilidad de una imposibilidad es 0. Esto se podra expresar as
: Por tanto,
TRAMO VII
13
En donde es algn evento. La probabilidad de que el sol salga maana es muy alta muy cercana a 1. La probabilidad de que se aumente el sueldo en un 50% ms, estando en el otro extremo, est muy cerca de cero. El proceso que produce un evento se denomina experimento. Un experimento es toda accin bien definida que conlleva a un resultado nico bien definido. Lanzar un dado (mitad de un par de dados) es un experimento. Un resultado bien definido en un nmero de 1 a 6. Un experimento puede consistir en revisar un producto para determinar si cumple con ciertas especificaciones de fabricacin. El resultado es o (1) defectuoso o (2) no defectuoso. El espacio muestral es el conjunto de todos los posibles resultados para un experimento. El espacio muestral para lanzar un dado es:
un nmero menor a 3 significa un 1 un 2 y como la cantidad de resultados posibles es 6 (El nmero de lados de un dado), entonces nuestra probabilidad sera:
No siempre se conoce la cantidad total de resultados posibles de un experimento o la cantidad de resultados contenidos en el mismo, es por ello que podemos definir la probabilidad a partir de un nmero de experimentos seguidos realizados de la siguiente forma (llamada emprica o por frecuencias relativas):
Mientras que el espacio muestral para el experimento de lanzar una moneda al aire es:
por ejemplo: si se quiere tener una idea de cul es la probabilidad de que eligiendo un o una discente de la universidad al azar, ste o sta tenga ojos claros, se puede tomar a 50 estudiantes al azar y contar cuntos o cuntas tienen ojos claros. Luego si 13 de esos 50 tienen ojos claros, estimaremos que:
La probabilidad de que al menos uno de los eventos que estn en el espacio muestral ocurra es igual a 1. si se lanza un dado, el resultado debe ser un nmero entre 1 y 6. Debido a que esto es una certeza puede decirse que:
si en vez de examinar a 50 estudiantes hubiramos examinado a 200, la exactitud esperable sera mayor. Por ejemplo quizs entre los 200 estudiantes habra 53 con ojos claros, y entonces:
eSpaciO mUeSTRal De manera informal o clsica, podemos calcular la probabilidad de un experimento A de la siguiente forma: El conjunto de todos los posibles resultados de un experimento aleatorio recibe el nombre de espacio muestral. Algunos ejemplos de espacio muestral son: 1. si el experimento consiste en arrojar un dado y observar el nmero que sale, el espacio muestral es: Por ejemplo, cul es la probabilidad de que salga un nmero menor a 3 al lanzar un dado?; que caiga
14
TRAMO VII
Vemos que el espacio muestral se denota con la letra e. 2. si el experimento consiste en tomar un lapicero y medirlo, el espacio muestral es:
Cualquier subconjunto de E es un evento, por lo tanto ejemplos de eventos de este experimento pueden ser: 1) 2) 3) 4) 5) 6) {1} {6} {3, 4} {4, 5, 6} {1, 3, 5} {2, 4, 6}
Vemos que el espacio muestral no tiene por qu ser un conjunto finito. Como en este caso el resultado puede ser cualquier nmero real positivo, E tiene infinitos elementos. 3. si el experimento consiste en tomar un libro al azar de la biblioteca y ver con qu letra empieza el ttulo, el espacio muestral es:
Tambin podemos expresar estos subconjuntos por comprensin: 1) que salga un nmero par 2) que salga un nmero impar 3) que salga un nmero mayor que 3 Y no olvidemos los siguientes subconjuntos:
Vemos que los resultados posibles del experimento, es decir, los elementos del espacio muestral, no tienen necesariamente por qu ser nmeros. En este caso son letras. 4. si el experimento consiste en tirar una moneda y ver qu sale, el espacio muestral es:
1) {} Dicho evento es conocido como evento nulo, evento falso o evento imposible. Adems de la notacin {} se puede usar la alternativa 0. 1. {1, 2, 3, 4, 5, 6} Este subconjunto del espacio muestral es exactamente el espacio muestral (recordemos que un conjunto siempre es subconjunto de s mismo). Dicho suceso es conocido como evento verdadero, evento forzoso o evento cierto. 2. En el experimento de tomar un lapicero y medir su longitud en cm:
Aunque tambin podramos haber respondido si considerramos como un resultado posible el caso en que la moneda caiga de canto. Vemos que el conjunto de resultados posibles para un experimento es subjetivo. Generalmente adecuamos el espacio muestral a lo que consideramos posible o no posible, y a los fines del experimento. Por ejemplo, en este caso una solucin posible es definir y determinar que si cae de canto, se tira nuevamente. evenTO Un evento (tambin llamado suceso) del espacio muestral es un subconjunto de ste. Algunos ejemplos pueden ser: 1. En el experimento de arrojar un dado y ver qu sale, el espacio muestral es:
Ejemplos de eventos (es decir, subconjuntos de E) pueden ser: 1) {15} 2) {14,2} 3) {17,3333333...} 4)
TRAMO VII
15
si el suceso A consiste en obtener cara al tirar una moneda, entonces podramos definir: 1) El experimento consiste en tirar una moneda y ver qu sale. 2) El espacio muestral es 3) El evento A es Vemos que Como dijimos antes, un suceso es un subconjunto del espacio muestral. conjuntos
2. conjuntos disjuntos o mutuamente excluyentes: son los conjuntos cuya interseccin es nula. Dados los conjuntos a y B, son disjuntos
ejemplo: se tira un dado, y se definen los sucesos: a: que salga 1 2 B: que salga ms de 4 Como los eventos son conjuntos, operar con eventos es operar con conjuntos. 1. interseccin de conjuntos: Dados dos conjuntos es el conjunto que ocurre cuando A y B, suceden simultneamente A y B. se puede llamar A interseccin B o bien A y B. Con lo cual queda:
Como A y B tienen interseccin nula, no pueden suceder simultneamente. 3. Unin de conjuntos: Dados dos conjuntos A y B, es el conjunto que resulta cuando ocurre A, B, o los dos simultneamente. se puede llamar A unin B o bien A B.
ejemplo: se tira un dado, y se definen los eventos: a: que salga menos de 4 B: que salga ms de 2 Con lo cual queda:
16
TRAMO VII
ejemplo: se tira un dado, y se definen los sucesos: a: que salga menos de 4 B: que salga 2 6 Con lo cual queda:
3.
. Un suceso y su complemento son disjuntos, porque no pueden ocurrir al mismo tiempo. No puede llover y no llover al mismo tiempo.
pROBaBiliDaD cOnDiciOnal Con frecuencia se desea determinar la probabilidad de algn evento, dado que ya otro evento haya ocurrido antes. Lgicamente, sta es llamada probay se lee bilidad condicional. se denota como la probabilidad de A dado B. sta es la frmula general para la probabilidad condicional del evento A; dado que se conoce que el evento B ya ha ocurrido: pROBaBiliDaD en cOnJUnTOS Antes de ver algunas probabilidades para conjuntos, definamos de forma axiomtica la funcin de probabilidad. sea E un espacio muestral, y A un evento cualquiera, se llama funcin de probabilidad sobre el espacio muestral E a P(A) si satisface los siguientes axiomas: 1. 2. 3. si A y B son subconjuntos de E y (Los eventos son disjuntos) entonces . Ahora veamos algunas propiedades de la probabilidad en conjuntos: 1. Probabilidad de la unin de conjuntos: Dados dos conjuntos A y B contenidos en el espacio E, entonces:
4. complemento de los conjuntos: Dado un conjunto A, su complemento es el conjunto que contiene los elementos que no estn en A. o bien y se llaEl complemento de A se escribe ma complemento de A, A negado o bien no A.
ejemplo: si arroj un dado y el conjunto A es que salga un 4, es que no salga un 4 o bien entonces el conjunto que salga 1, 2, 3, 5 6. Expresados como conjuntos quedan:
Observamos que: 1. As como A es un subconjunto de E, un subconjunto de E. 2. tambin es
Vase que si los conjuntos son disjuntos ( entonces la expresin queda como el tercer axioma. 2. Probabilidad de la interseccin de conjuntos:
, es decir, la unin de A y forma E. Esto es lgico: llueve o no llueve.No hay ninguna otra posibilidad.
Para esta probabilidad vamos a usar la definicin de probabilidad condicional:
TRAMO VII
17
TeORema De BaYeS
quiera de las dos alternativas que constituyen la eviy dencia experimental. se sabe que . se desea determinar la probabilidad de seleccionar un fumador, puesto que el pacien. te tiene cncer, o As por el teorema de Bayes tenemos:
En el ao 1763, dos aos despus de la muerte del reverendo Thomas Bayes (1702-1761), se public una memoria en la que aparece, por vez primera, la determinacin de la probabilidad de las causas a partir de los efectos que han podido ser observados (Probabilidad condicional). El clculo de dichas probabilidades recibe el nombre de teorema de Bayes. El teorema dice lo siguiente: si B1, B2,, Bn son eventos mutuamente excluyentes, de los cuales uno debe ocurrir, es , entonces decir
As, la probabilidad de que un paciente con cncer pulmonar, seleccionado aleatoriamente sea fumador, es de 0,9364. vaRiaBleS aleaTORiaS
Veamos un ejemplo: Durante los ltimos aos se ha escrito mucho sobre la posible relacin entre el fumar y el cncer pulmonar. supngase que en un centro mdico, de todos los fumadores de quienes se sospecha que tenan cncer pulmonar, el 90% (P=0,9) lo tena mientras que nicamente el 5% (P=0,05) de los no fumadores lo padeca. si la proporcin de fumadores es de 0,45, Cul es la probabilidad de que un paciente con cncer pulmonar, seleccionado al azar, sea fumador? sean B1 y B2 los eventos el paciente es fumador y el paciente no es fumador. se supone que las probabilidades para estas dos alternativas son 0,45 y 0,55, respectivamente. si un paciente tiene, o no, cncer pulmonar puede estar afectado por cual-
Vamos a llamar variable aleatoria a una variable cuyo valor sera el resultado de un determinado experimento, si lo hiciramos. Por ejemplo, si el experimento consiste en arrojar un dado, podemos definir la variable aleatoria X cuyo valor ser el nmero que salga en el dado. El conjunto de valores posibles de X es el espacio muestral. Y en general nos interesar cul es la probabilidad de que X asuma cada valor. Usaremos variables porque nos permiten operar y mostrar determinadas conclusiones. Para el caso del dado, podemos escribir la probabilidad de que al tirar el dado salga un nmero mayor que 3 simplemente como P(X > 3), habiendo antes definido X como el nmero que saldra si tirramos el dado.
18
TRAMO VII
Para designar a las variables aleatorias se utilizan letras maysculas. Para designar a uno de sus valores posibles, se usan las letras minsculas. Por ejemplo, si X es la variable aleatoria asociada a lo que sale al tirar un dado, podemos decir que:
variacin Es como la permutacin, pero no se usan los n elementos sino que se utilizan solamente k de ellos. Entonces habr que tener en cuenta no solamente el orden, sino cules de los n elementos se eligen (naturaleza). Frmula: Donde n es la cantidad total de elementos, y k es la cantidad de elementos que se eligen. se lee: variaciones de n elementos tomados de k. ejemplo: se tienen los elementos {a,b,c,d}. De cuntas formas se pueden tomar 2 de ellos, sin repetir ninguno, y teniendo en cuenta el orden? Comencemos por aclarar que: 1) tener en cuenta el orden significa que ab ba 2) tener en cuenta la naturaleza significa que elegir al a y al b no es lo mismo que elegir al a y al c. Entonces las variaciones en este caso son: ab, ba, ac, ca, ad, da, bc, cb, bd, db, cd, dc
cOmBinaTORia El clculo combinatorio es una herramienta matemtica que, dada una determinada cantidad de elementos, permite calcular de cuntas formas posibles podemos tomar una parte de ellos y/u ordenarlos. Por ejemplo, si tenemos un mazo de 52 cartas, y un jugador recibe 5 cartas de ese mazo, nos puede interesar calcular cuntas manos distintas podra recibir. Es decir, cuntas combinaciones se pueden formar con 5 cartas tomadas de entre 52. Veamos cada modo de calcular las combinatorias: permutacin se tienen n elementos, y se desea ver de cuntas formas se les puede ordenar. Es decir, los elementos son siempre los mismos, y cada forma posible slo difiere de las dems en el orden en que se toman los elementos. Frmula: Donde n es la cantidad de elementos a ordenar ejemplo: De cuntas formas se pueden ordenar los elementos {a,b,c}? abc, acb, bac, bca, cab, cba (6 formas)
combinacin Consiste en tomar k elementos entre n que hay en total, sin importar en qu orden. Es decir, importa la naturaleza (cules) pero no importa el orden. Observamos que esto es como las variaciones, pero olvidndonos del orden; las variaciones distinguen ab de ba, en cambio para las combinaciones ab = ba, y slo importa el hecho de que fueron a y b los elementos elegidos. Frmula:
Donde n es la cantidad total de elementos, y k es la cantidad que se toman.
TRAMO VII
19
ejemplo: se tienen los elementos {a,b,c,d}. Cuntas formas posibles hay para elegir 2? Comencemos por aclarar que como son combinaciones, no tenemos en cuenta el orden, con lo cual ab = ba. Adems recordamos que por tratarse de combinacin simple, no se puede elegir 2 veces el mismo elemento. Entonces en este caso las combinaciones son: ab, ac, ad, bc, bd, cd.
A qu nos referimos con infinito numerable y no numerable? Por ejemplo, el conjunto de los nmeros naturales tiene una cantidad finita pero numerable de elementos, porque sus elementos se pueden enumerar. En cambio, el conjunto de los nmeros reales tiene una cantidad infinita no numerable de elementos, porque sus elementos no se pueden enumerar. veamos un problema: 1) Indique para cada una de las siguientes variables aleatorias si son discretas o continuas. Haga las aclaraciones que considere necesarias. a) El nmero que sale al tirar un dado. b) La cantidad de caras que salen al tirar 5 monedas. c) La cantidad de accidentes por mes. d) Peso de una naranja. e) Dimetro de una arandela. f ) El pas donde naci una persona. g) La edad de una persona. Resolucin: a) Discreta. La cantidad de resultados es finita. b) Discreta. La cantidad de resultados es finita. c) Discreta. Aunque la cantidad de resultados es infinita, porque no hay un valor mximo posible, es numerable, porque los resultados se pueden enumerar. Otra forma de ver que es discreta: todos los resultados son puntos aislados. d) Continua. La cantidad de resultados es infinita y no numerable (no podemos enumerar todos los resultados). Otra forma de ver que es continua: los resultados no son puntos aislados, sino que forman un continuo (por ejemplo, un segmento de recta). e) Continua. La cantidad de resultados es infinita y no numerable (no podemos enumerar todos los resultados). f ) Discreta. La cantidad de resultados es finita. Observemos que las variables que no son numricas por lo general son discretas.
vaRiaBleS aleaTORiaS DiScReTaS Y cOnTinUaS Comparemos ahora el ejemplo del dado con este otro: haremos el experimento de elegir una naranja al azar en una verdulera, y llamaremos Y al peso de la naranja elegida. si pensamos en los valores posibles que puede tomar la variable aleatoria Y, veremos que no solamente son infinitos, sino que adems, dado un valor posible no hay un siguiente porque entre cualquier valor y aquel al que considerramos su siguiente hay infinitos valores posibles. La variable aleatoria X es discreta. La variable aleatoria Y es continua. En principio definiremos las variables aleatorias discretas y continuas as: 1. variable aleatoria discreta: Aquella cuya cantidad de valores posibles es finita, o infinita pero numerable. En otras palabras, aquella cuyos valores posibles son todos puntos aislados del conjunto de valores posibles. Dicho incluso de una tercera forma: aquella tal que si tomamos dos, cualesquiera de sus valores posibles, hay entre ellos una cantidad finita de valores posibles. 2. variable aleatoria continua: Aquella que no es discreta, es decir, aquella tal que la cantidad de valores posibles es infinita y no numerable.
20
TRAMO VII
g) Puede ser discreta o continua. si tomamos la edad como la cantidad entera de aos que ha vivido la persona, entonces es discreta. si tomamos la edad como un nmero real de aos que ha vivido la persona (ejemplo: 5,37 aos) entonces es continua. DiSTRiBUcin De pROBaBiliDaD Una variable aleatoria tal que todos sus valores posibles son equiprobables es un caso muy particular. En general, cada uno de los valores posibles puede tener distinta probabilidad. Por eso nos interesa estudiar cmo se distribuyen las probabilidades en los distintos valores posibles de la variable. Al conjunto de valores posibles, y la relacin entre ellos y sus respectivas probabilidades, se le conoce como distribucin de probabilidad. Notemos que: 1) La probabilidad de un determinado valor no puede ser menor que cero. 2) La suma de las probabilidades de todos los valores da 1, porque al hacer el experimento siempre se obtiene uno de los resultados posibles. La distribucin de probabilidad se puede expresar de diversas formas. Generalmente se usa la funcin de densidad de probabilidad. fUncin De DenSiDaD De pROBaBiliDaD Esta funcin le asigna a cada valor posible de la variable aleatoria un nmero real que consiste en la probabilidad de que ocurra, y por supuesto debe cumplir con las2 condiciones que enunciamos antes: a) no puede ser negativa en ningn punto. b) la suma de las probabilidades de todos los valores da 1. Puede pensarse que la condicin a es insuficiente, porque la probabilidad no solamente no puede ser menor que cero, sino tampoco mayor que uno. Pero agregar esa condicin sera redundante, porque la condicin b garantiza que eso no puede ocurrir, ya que si la probabilidad para un valor fuera mayor que 1, como
ninguna probabilidad puede ser negativa, entonces la suma dara necesariamente mayor a 1. En variables aleatorias discretas, la funcin de densidad se define as: Es una funcin que a cada valor posible le asigna su probabilidad. Es una funcin de densidad de probabilidad discreta si y solo si cumple con: 1) 2) Veamos algunas funciones de distribucin comunes: BeRnOUlli
Daniel Bernoulli, matemtico, fsico, estadstico y mdico holands-suizo
Es un experimento que puede arrojar dos resultados posibles. A uno de los resultados se le denomina arbitrariamente xito y al otro fracaso. El experimento de Bernoulli lleva asociada una probabilidad (la probabilidad de xito). Distribucin: Cul es la probabilidad de obtener x xitos en n intentos? si Es decir: X es una variable binomial con parmetros nyp Es decir: X es la variable que representa la cantidad de xitos obtenidos en n experimentos de Bernoulli independientes, cada uno con probabilidad de xito p.
TRAMO VII
21
pOiSSOn
La grfica de esta funcin de densidad se conoce con el nombre de campana de Gauss.
A primera vista podemos observar: Cul es la probabilidad de obtener x eventos en el intervalo estudiado? si bien el proceso de Poisson trabaja con los par(longitud del intervalo) y (intensidad), la metros distribucin de Poisson usa solamente el parmetro Como es la longitud del intervalo, y es la cantidad esperada de eventos porunidad de tiempo, entonces m resulta ser la media. Es decir que esta distribucintiene la caracterstica de que su media resulta valer directamente lo mismo que valga el parmetro . si . Es decir: X es una variable Poisson con media . Es decir: X es la variable que representa la cantidad de eventos obtenidos en un intervalo de longitud e intensidad . Entonces: 1. A diferencia de todas las distribuciones que vimos anteriormente, es no-nula para todos los nmeros reales. 2. Tiene 2 parmetros, y .
normal Cuando la funcin de densidad es la siguiente: GaUSS
El parmetro puede ser cualquier nmero real, y es, directamente, la media de la distribucin. El parmetro puede ser cualquier nmero real positivo, y es, directamente, el desvo estndar de la distribucin. significa que la variable La notacin aleatoria tiene una distribucinnormal con pary . O dicho de otra forma, que la variable metros aleatoria tiene una distribucin normal, cuya media es , y cuya varianza es . y , la distribucin se llaCuando ma normal estndar. se puede demostrar que si es cualquier variable aleatoria normal, y tomamos la va, entonces, resulta ser una riable aleatoria variable aleatoria normal estndar. lo Es decir: cual puede ser demostrado mediante un simple cambio de variables. Esto nos permite, dada cualquier variable aleatoria normal, encontrar una variable aleatoria normal estndar, que es la que encontraremos en las tablas. TeORema cenTRal Del lmiTe si es el promedio de una muestra de tamao n de una poblacin con media y desviacin estndar , entonces la variable aleatoria tiene una distribucin aproximadamente normal estndar, bajo las siguientes condiciones:
La distribucin se llama Normal (o de Gauss).
22
TRAMO VII
1. si
, la distribucin de es aproximadamente normal estndar sin importar la distribucin de las . no difiere
2. si , la distribucin de es aproximadamente normal solamente si la distribucin de las mucho de la distribucin normal (por ejemplo: si es simtrica). 3. si la distribucin de las es normal, la distribucin de es normal sin importar el valor de n.
acTiviDaD 2. laS pROBaBiliDaDeS en nUeSTRO qUeHaceR DiaRiO

En nuestro quehacer cotidiano se presentan situaciones en las cuales los resultados parecen no tener un patrn, se podra decir que los resultados son una cuestin de azar. Por ejemplo, al lanzar un dado al aire, ste puede caer en cualquier nmero del 1 al 6, y no podemos saber con exactitud cuando sale uno u otro. Estas situaciones podran llamarse aleatorias. Las probabilidades son una herramienta que nos permiten modelar estas situaciones, y as poder tener una nocin de los posibles resultados. Conociendo esto, te invitamos a reflexionar en funcin de las siguientes preguntas generadoras partiendo de tus saberes y de los saberes estudiados en este encuentro: 1. qu entiendes por probabilidad? Descrbelo con tus propias palabras.
2. cmo usas o podras usar la probabilidad en tu vida diaria?
3. cmo las probabilidades podran ser una herramienta til en tu rol como funcionario o funcionaria policial?
acTiviDaD 3. calcUlanDO pROBaBiliDaD

Las probabilidades nos permiten modelar situaciones aleatorias de nuestra vida. stas reflejan un nmero que indica la posibilidad de que suceda o no un evento. Con esto podemos comprender mejor lo que est sucediendo y hasta predecir posibles sucesos futuros. Por ello, te invitamos a realizar la siguiente actividad en la cual es necesario calcular la probabilidad de eventos de nuestro quehacer. Resolvamos los siguientes planteamientos: 1. Calculemos la probabilidad de que al lanzar dos monedas al aire salga: a. Dos caras. b. Una cara y un sello. c. Dos sellos o una cara y un sello
TRAMO VII
23
2. En la unidad motorizada de una estacin policial se recibi una dotacin de 12 motos, de las cuales 5 son de cilindraje de 250cc y 7, el resto, de 650cc. si se encuentran 3 funcionarias y 8 funcionarios activos en este servicio. Responda: a. Cul es la probabilidad de que a una funcionaria le toque una moto con cilindraje de 250cc? b. Cul es la probabilidad de que a un funcionario le toque una moto con cilindraje de 250cc? c. Cul es la probabilidad de que a una funcionaria le toque una moto con cilindraje de 650cc? 3. En una estacin policial integrada por 32 funcionarios y 18 funcionarias policiales, de los cuales, la mitad de ambos grupos de oficiales estn adscritos al servicio de vigilancia y patrullaje a. Cul es la probabilidad de que una persona elegida al azar sea funcionario y que est en el servicio de vigilancia y patrullaje? b. Cul es la probabilidad de que sea funcionaria y no est en el servicio de vigilancia y patrullaje? c. Cul es la probabilidad de que ejerza en el servicio de vigilancia y patrullaje dado que sea funcionaria?
acTiviDaD 4. ReSOlvienDO pROBlemaS De pROBaBiliDaD

Estimadas y estimados estudiantes, en la actividad nmero 2, titulada Calculando probabilidad, resolvimos problemas de probabilidad; en este apartado te proponemos que determines algunas probabilidades relacionados a nuestro quehacer. Los problemas son: 1. Realiza una encuesta en tu comunidad de una muestra mayor a 30 personas, la encuesta recoger datos como: a. Nombre. b. Mes de nacimiento. c. Edad. d. sexo. e. Estado civil. f. Problema de la comunidad que ms le afecta. Elabora una tabla de frecuencias con los datos recogidos. Esta encuesta nos permite caracterizar la poblacin de una determinada regin. Calcula los porcentajes de los renglones: mes de nacimiento, edad, sexo, estado civil y problema de la comunidad que ms le afecta, y determina las siguientes probabilidades: a) Al seleccionar una encuesta al azar sta tenga una edad menor a 25 aos. b) Al seleccionar una encuesta al azar sta sea soltera o soltero. c) selecciona uno de los problemas de las comunidades y calcula la probabilidad de que se escoja ese problema al seleccionar dos encuestas al azar. d) Al seleccionar una encuesta al azar sta tenga una edad entre 20 y 30 aos y sea mujer. e) Al seleccionar tres encuestas al azar la probabilidad de que alguna tenga mes de nacimiento enero. f ) Al seleccionar una encuesta al azar sta est casada, dado que tiene una edad mayor a 25 aos. Redacta tus conclusiones sobre la poblacin estudiada basndote en las probabilidades y porcentajes calculados. Haz nfasis en la problemtica de la comunidad.
24
TRAMO VII
acTiviDaD final
Con el fin de sistematizar los saberes abordados a travs de las actividades planteadas en el encuentro didctico, cerraremos con una actividad final donde podrs valorar tu proceso de aprendizaje. En esta seccin, encontrars una serie de planteamientos referidos a problemas de la probabilidad y su aplicabilidad en la funcin policial, a los cuales dars respuesta clara y coherente. Para ello: Respondamos todas las preguntas planteadas en el orden que se te presentan. socialicemos tus reflexiones y comentarios con tus dems compaeras y compaeros de ambiente en los encuentros presenciales. sistematicemos la experiencia para establecer relaciones entre los saberes abordados y nuestro contexto laboral. finalizar todos los ejercicios, puedes comparar tus respuestas con la hoja de respuestas ubicada al final Al del encuentro didctico. actividades 1. sean A y B dos sucesos y , hallar: a. sus complementarios. si se verifica que , y,
b.
c.
2. En un polgono de tiro se realiza una prctica por parte de dos funcionarios policiales. El primero da en el blanco (disco metlico) con un promedio de 2 aciertos cada 5 disparos y el segundo un acierto cada 2 disparos. si los dos disparan al mismo tiempo hacia el blanco, cul es la probabilidad de que den en el blanco?
TRAMO VII
25
3. De cuntas formas pueden ordenarse 10 oficiales policiales en una fila de 4 oficiales?
HOJa De ReSpUeSTaS
1. a. Calculamos . si , entonces . , por tanto , Entonces,
b. Calculamos . Aplicamos despejamos y nos queda: , sustituimos p(A)= c. Calculemos . Apliquemos p(A/B)= .
. Conocemos todo menos .
2. La probabilidad del primer funcionario es p(A)= 2/5 y del segundo funcionario es de p(B)= . Luego la, Finalmente, 3. Ntese que no importa el orden en que se sienten las personas, ya que los cuatro sitios son diferentes, y que una persona no puede ocupar ms de un sitio a la vez. Por lo tanto, hay maneras.
26
TRAMO VII
eSTimacin De paRmeTROS
pROpSiTO
Facilitar a las y los estudiantes herramientas tericopracticas que le permitan estimar e inferir situaciones inherentes a sus funciones.
Estimados y estimadas estudiantes, en el encuentro didctico estimacin de parmetros abordaremos los siguientes saberes: muestreo, intervalos de confianza y estimacin de errores. Cada una vista desde la perspectiva de mirada policial, los cuales contribuyen como herramientas importantes que fortalecen el ejercicio de las funcionarias y funcionarios policiales en aras de garantizar la seguridad ciudadana. Para desarrollar los saberes mencionados anteriormente, te presentamos varias actividades que debers realizar con el fin de sintetizar tu teora y prctica desde la funcin policial, dentro de las cuales tenemos: 1. Lectura sobre Estimando Parmetros en la Funcin Policial, lo que nos permitir profundizar sobre la teora de muestreo, que puede emplear-
se para obtener informacin acerca de muestras obtenidas aleatoriamente de una poblacin conocida. 2. seguidamente, algunos planteamientos vinculados al ejercicio de tus funciones donde se utilice la estimacin de parmetros para describir una poblacin y en el que debas plantear las soluciones, para luego hacer un escrito reflexivo que nos hable de las ventajas de la estimacin. 3. Luego, la actividad Estimando Parmetros en la Funcin Policial ser la oportunidad de practicar para aprender a reconocer cmo llevar a cabo todo el proceso de anlisis de los datos o informacin recogida a travs de un estudio. El propsito de la misma es brindarnos herramientas que nos permitan elaborar un informe completo sobre las situaciones de una determinada poblacin. Para culminar el encuentro, presentamos una actividad final donde debers utilizar todo lo aprendido, consta de ejercicios con distintos niveles de complejidad. Al final, encontrars una clave de respuestas que te permitir evaluar tus avances. Iniciemos nuestro recorrido con la mejor disposicin para aprender y as a enriquecer nuestra funcin policial.
acTiviDaD 1. lecTURa: eSTimacin De paRmeTROS

Por lo general las poblaciones a estudiar son muy grandes como para ser estudiadas en su totalidad. su tamao requiere que se seleccionen muestras, las cuales se pueden utilizar ms tarde para hacer inferencias sobre las poblaciones. si un oficial quiere estudiar la edad promedio de las personas que cometieron un delito en los ltimos 3 aos, la poblacin puede ser muy grande y por lo tanto calcular el promedio resultara muy complicado. sera mucho ms fcil estimar la media poblacional con la media de una muestra representativa. Hay por lo menos dos tipos de estimadores que se utilizan ms comnmente para este propsito: un estimador puntual y un estimador por intervalo. Un estimador puntual utiliza un estadstico (cantidad obtenida de una muestra con el propsito de estimar un parmetro de la poblacin) para estimar el parmetro en un solo valor o punto. Por ejemplo, el oficial puede
TRAMO VII
27
tomar una muestra de tamao 100 y calcular el promedio de las edades. Una estimacin por intervalo especifica el rango dentro del cual est el parmetro desconocido. El oficial puede decir que la media poblacional est entre 24,3 y 27,8. Tal intervalo, con frecuencia va acompaado de una afirmacin sobre el nivel de confianza que se da en su exactitud. Por tanto se llama intervalo de confianza. RepaSemOS Un pOcO el mUeSTReO eSTaDSTicO: muestreo Habitualmente, el investigador no trabaja con todos los elementos de la poblacin que estudia sino slo con una parte o fraccin de ella; a veces, porque es muy grande y no es fcil abarcarla en su totalidad. Por ello, se elige una muestra representativa y los datos obtenidos en ella se utilizan para realizar pronsticos en poblaciones futuras de las mismas caractersticas. se conoce con el nombre de muestreo al proceso de extraccin de una muestra a partir de la poblacin. El proceso esencial del muestreo consiste en identificar la poblacin que estar representada en el estudio. La importancia del muestreo radica en que no es necesario trabajar con la totalidad de los elementos de una poblacin (N) para comprender con un nivel razonable de exactitud la naturaleza del fenmeno estudiado. Este conocimiento se puede obtener a partir de una muestra que se considere representativa de aquella poblacin. Tipos de muestreo Existen dos mtodos para seleccionar muestras de poblaciones; el muestreo no aleatorio o de juicio y el muestreo aleatorio o de probabilidad. muestreo probabilstico Conocido tambin como muestreo de seleccin aleatoria, utiliza el azar como instrumento de seleccin, pudindose calcular de antemano la probabilidad de
que cada elemento sea incluido en la muestra. Para Marn Ibez (1985) este tipo de muestreo es el que alcanza mayor rigor cientfico, y se caracteriza porque se cumple el principio de la equiprobabilidad, segn el cual todos los elementos de la poblacin tienen la misma probabilidad de salir elegidos en una muestra. Es la modalidad de muestreo ms conocida y que alcanza mayor rigor cientfico. Garantiza la equiprobabilidad de eleccin de cualquier elemento y la independencia de seleccin de cualquier otro. En este procedimiento se extraen al azar un nmero determinado de elementos, n, del conjunto mayor N o poblacin, procediendo segn la siguiente secuencia: a) definir la poblacin, confeccionar una lista de todos los elementos, asignndoles nmeros consecutivos desde 1 hasta n; b) la unidad de base de la muestra debe ser la misma; c) definir el tamao de la muestra, y d) extraer al azar los elementos. La muestra quedar formada por los n elementos obtenidos mediante sorteo de la poblacin. Los procedimientos ms comunes de extraccin de los elementos en este tipo de muestreo son: las tablas de nmeros aleatorios, incluidas en los manuales de estadstica; los clsicos sistemas de lotera y otros procedimientos de extraccin al azar, incluidos las aplicaciones informticas. muestreo estratificado Este muestreo se utiliza cuando la poblacin est constituida en estratos o conjuntos de la poblacin homogneos con respecto a la caracterstica que se estudia. Dentro de cada estrato se puede aplicar el muestreo aleatorio o sistemtico. Consiste en subdividir la poblacin en subgrupos o estratos con arreglo a la(s) caracterstica(s) que se consideren y en elegir la muestra, de modo que los diferentes estratos estn representados. Para la obtencin de la muestra estratificada se siguen los siguientes pasos: a) se divide la poblacin en estratos; b) de cada estrato se extrae una muestra por algn procedimiento de
28
TRAMO VII
muestreo; c) el nmero de individuos de cada estrato se puede decidir por paridad o proporcionalidad; y d) la suma de las muestras de cada estrato forman la muestra total n. (Latorre, Rincn y Arnal, 2003) muestreo no probabilstico En estas tcnicas no se utiliza el muestreo al azar, sino que la muestra se obtiene atendiendo al criterio o criterios del investigador o bien por razones de economa, comodidad, etc. Consecuentemente, estas tcnicas no utilizan el criterio de equiprobabilidad, sino que siguen otros criterios, procurando que la muestra obtenida sea lo ms representativa posible. Estas muestras, al no utilizar el muestreo al azar, no tienen la garanta de las muestras probabilsticas, pero en la prctica son a menudo necesarias e inevitables, en opinin de Kerlinger (1975). Dentro de este tipo de muestreo se suele distinguir entre muestreo accidental e intencional o deliberado. muestreo accidental o no casual Este tipo de muestreo se caracteriza por utilizar las muestras que tiene a su alcance. se denominan accidentales porque no responden a una planificacin previa en cuanto a los sujetos a elegir. De hecho, toma las muestras disponibles sin introducir seleccin o modificacin alguna. Por ejemplo, empresas, centros completos, cursos o grupos dentro de un nivel, etc. muestreo intencional En esta tcnica, el investigador selecciona de modo directo los elementos de la muestra que desea participen en su estudio. se eligen los individuos o elementos que se estima son representativos o tpicos de la poblacin. se sigue un criterio establecido por el experto o investigador. se suelen seleccionar los sujetos que se considera pueden facilitar la informacin necesaria. inTeRvalOS De cOnfianza se llama as a un intervalo en el que sabemos que est un parmetro, con un nivel de confianza especfico.
no normal
Debemos pedir Debemos pedir
nivel de confianza (nc) Probabilidad de que el parmetro a estimar se encuentre en el intervalo de confianza. Veamos las ecuaciones para los intervalos de confianza de la media en variables aleatorias que se distribuyen de manera normal y no normal.
Desviacin poblacional conocida Desviacin poblacional desconocido
poblacin
normal
Recordemos que el smbolo quiere decir que se deben calcular dos resultados uno con el ms y otro con el menos
Donde: 1. 2. 3. 4. es el promedio muestral. es el tamao de la muestra. es el desvo poblacional. es el desvo muestral (calculado a partir de la muestra). . Es decir, si nos piden 95% de con5. fianza, . 6. es un valor de la distribucin normal estndar. es un valor de la distribucin t-student. y se obtienen de las correspon-
7. 8.
Los valores dientes tablas.
TRAMO VII
29
.
ejemplos: 1) La cantidad de horas que diversos oficiales patrullan en una determinada zona es una variable aleatoria normal, cuya media se desea estimar, para lo cual se toma una muestra de 9 das, con las siguientes duraciones en horas, resultan: 6,3; 6,8; 7,3; 5,4; 8,1; 7,9; 6,9; 6,2; 8,3. se pide, calcular el intervalo del 95% de confianza para estimar la media. solucin: Como no conocemos el desvo poblacional, usaremos El tamao de la muestra es n = 9. Vamos a necesitar calcular y .
De esta forma el intervalo nos queda:
errores de estimacin El error de la estimacin viene dado por las siguientes frmulas:
poblacin Desviacin Desviacin poblacional poblacional conocida desconocido
normal no normal
ejemplo: En nuestro problema anterior el error viene dado por:
Tamao de la muestra El tamao de la muestra est dado por el nmero de sujetos que componen la muestra extrada de una poblacin. El tamao de la muestra se calcula de la siguiente forma: Buscamos el valor de la t-student en la tabla (esta tabla se encuentra al final del captulo), y obtenemos . Ya estamos en condiciones de obtener los lmites del intervalo:
poblacin Desviacin Desviacin poblacional poblacional conocida desconocido
normal
no normal
30
TRAMO VII
TaBlaS De la nORmal
normal 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4 0,5 0,53983 0,57926 0,61791 0,65542 0,69146 0,72575 0,75804 0,78814 0,81594 0,84134 0,86433 0,88493 0,9032 0,91924 0,93319 0,9452 0,95543 0,96407 0,97128 0,97725 0,98214 0,9861 0,98928 0,9918 0,99379 0,99534 0,99653 0,99744 0,99813 0,99865 0,99903 0,99931 0,99952 0,99966 0,99977 0,99984 0,99989 0,99993 0,99995 0,99997 0 0,01 0,50399 0,5438 0,58317 0,62172 0,6591 0,69497 0,72907 0,76115 0,79103 0,81859 0,84375 0,8665 0,88686 0,9049 0,92073 0,93448 0,9463 0,95637 0,96485 0,97193 0,97778 0,98257 0,98645 0,98956 0,99202 0,99396 0,99547 0,99664 0,99752 0,99819 0,99869 0,99906 0,99934 0,99953 0,99968 0,99978 0,99985 0,9999 0,99993 0,99995 0,99997 0,02 0,50798 0,54776 0,58706 0,62552 0,66276 0,69847 0,73237 0,76424 0,79389 0,82121 0,84614 0,86864 0,88877 0,90658 0,9222 0,93574 0,94738 0,95728 0,96562 0,97257 0,97831 0,983 0,98679 0,98983 0,99224 0,99413 0,9956 0,99674 0,9976 0,99825 0,99874 0,9991 0,99936 0,99955 0,99969 0,99978 0,99985 0,9999 0,99993 0,99996 0,99997 0,03 0,51197 0,55172 0,59095 0,6293 0,6664 0,70194 0,73565 0,7673 0,79673 0,82381 0,84849 0,87076 0,89065 0,90824 0,92364 0,93699 0,94845 0,95818 0,96638 0,9732 0,97882 0,98341 0,98713 0,9901 0,99245 0,9943 0,99573 0,99683 0,99767 0,99831 0,99878 0,99913 0,99938 0,99957 0,9997 0,99979 0,99986 0,9999 0,99994 0,99996 0,99997 0,04 0,51595 0,55567 0,59483 0,63307 0,67003 0,7054 0,73891 0,77035 0,79955 0,82639 0,85083 0,87286 0,89251 0,90988 0,92507 0,93822 0,9495 0,95907 0,96712 0,97381 0,97932 0,98382 0,98745 0,99036 0,99266 0,99446 0,99585 0,99693 0,99774 0,99836 0,99882 0,99916 0,9994 0,99958 0,99971 0,9998 0,99986 0,99991 0,99994 0,99996 0,99997 0,05 0,51994 0,55962 0,59871 0,63683 0,67364 0,70884 0,74215 0,77337 0,80234 0,82894 0,85314 0,87493 0,89435 0,91149 0,92647 0,93943 0,95053 0,95994 0,96784 0,97441 0,97982 0,98422 0,98778 0,99061 0,99286 0,99461 0,99598 0,99702 0,99781 0,99841 0,99886 0,99918 0,99942 0,9996 0,99972 0,99981 0,99987 0,99991 0,99994 0,99996 0,99997 0,06 0,52392 0,56356 0,60257 0,64058 0,67724 0,71226 0,74537 0,77637 0,80511 0,83147 0,85543 0,87698 0,89617 0,91308 0,92785 0,94062 0,95154 0,9608 0,96856 0,975 0,9803 0,98461 0,98809 0,99086 0,99305 0,99477 0,99609 0,99711 0,99788 0,99846 0,99889 0,99921 0,99944 0,99961 0,99973 0,99981 0,99987 0,99992 0,99994 0,99996 0,99998 0,07 0,5279 0,56749 0,60642 0,64431 0,68082 0,71566 0,74857 0,77935 0,80785 0,83398 0,85769 0,879 0,89796 0,91466 0,92922 0,94179 0,95254 0,96164 0,96926 0,97558 0,98077 0,985 0,9884 0,99111 0,99324 0,99492 0,99621 0,9972 0,99795 0,99851 0,99893 0,99924 0,99946 0,99962 0,99974 0,99982 0,99988 0,99992 0,99995 0,99996 0,99998 0,08 0,53188 0,57142 0,61026 0,64803 0,68439 0,71904 0,75175 0,7823 0,81057 0,83646 0,85993 0,881 0,89973 0,91621 0,93056 0,94295 0,95352 0,96246 0,96995 0,97615 0,98124 0,98537 0,9887 0,99134 0,99343 0,99506 0,99632 0,99728 0,99801 0,99856 0,99896 0,99926 0,99948 0,99964 0,99975 0,99983 0,99988 0,99992 0,99995 0,99997 0,99998 0,09 0,53586 0,57535 0,61409 0,65173 0,68793 0,7224 0,7549 0,78524 0,81327 0,83891 0,86214 0,88298 0,90147 0,91774 0,93189 0,94408 0,95449 0,96327 0,97062 0,9767 0,98169 0,98574 0,98899 0,99158 0,99361 0,9952 0,99643 0,99736 0,99807 0,99861 0,999 0,99929 0,9995 0,99965 0,99976 0,99983 0,99989 0,99992 0,99995 0,99997 0,99998
TRAMO VII
31
por ejemplo:
Entonces buscamos en la tabla un valor aproximado a ste, que es: 0,95053, en ese valor a indica en la primera columna 1,6 y en la primera fila 0,05, as el valor de la normal es la suma de ambos, es decir 1,65:
TaBlaS De la T-STUDenT
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120 0,75 1,000 0,816 0,765 0,741 0,727 0,718 0,711 0,706 0,703 0,700 0,697 0,695 0,694 0,692 0,691 0,690 0,689 0,688 0,688 0,687 0,686 0,686 0,685 0,685 0,684 0,684 0,684 0,683 0,683 0,683 0,681 0,679 0,677 0,674 0,80 1,376 1,061 0,978 0,941 0,920 0,906 0,896 0,889 0,883 0,879 0,876 0.873 0,870 0,868 0,866 0,865 0,863 0,862 0,861 0,860 0,859 0,858 0,858 0,857 0,856 0,856 0,855 0,855 0,854 0,854 0,851 0,848 0,845 0,842 0,85 1,963 1,386 1,250 1,190 1,156 1,134 1,119 1,108 1,100 1,093 1,088 1.083 1.079 1,076 1,074 1,071 1,069 1,067 1,066 1,064 1,063 1,061 1,060 1,059 1,058 1,058 1,057 1,056 1,055 1,055 1,050 1,046 1,041 1,036 0,90 3,078 1,886 1,638 1,533 1,476 1,440 1,415 1,397 1,383 1,372 1,363 1.356 1.350 1,345 1,341 1,337 1,333 1,330 1,328 1,325 1,323 1,321 1,319 1,318 1,316 1,315 1,314 1,313 1,311 1,310 1,303 1,296 1,289 1,282 0,95 6,314 2,920 2,353 2,132 2,015 1,943 1,895 1,860 1,833 1,812 1.796 1.782 1.771 1,761 1,753 1,746 1,740 1,734 1,729 1,725 1,721 1,717 1,714 1,711 1,708 1,706 1,703 1,701 1,699 1,697 1,684 1,671 1,658 1,645 0,975 12,706 4,303 3,182 2,776 2,571 2,447 2,365 2,306 2,262 2,228 2.201 2.179 2.160 2,145 2,131 2,120 2,110 2,101 2,093 2,086 2,080 2,074 2,069 2,064 2,060 2,056 2,052 2,048 2,045 2,042 2,021 2,000 1,980 1,960 0,99 31,821 6,965 4,541 3,747 3,365 3,143 2,998 2,896 2,821 2,764 2.718 2.681 2.650 2,624 2,602 2,583 2,567 2,552 2,539 2,528 2,518 2,508 2,500 2,492 2,485 2,479 2,473 2,467 2,462 2,457 2,423 2,390 2,358 2,326 0,995 63,657 9,925 5,841 4,604 4,032 3,707 3,499 3,355 3,250 3,169 3.106 3.055 3.012 2,977 2,947 2,921 2,898 2,878 2,861 2,845 2,831 2,819 2,807 2,797 2,787 2,779 2,771 2,763 2,756 2,750 2,704 2,660 2,617 2,576
por ejemplo:
Buscamos el valor 0,95 en la primera fila y el valor de 25 en la primera columna, as el valor de
32
TRAMO VII
acTiviDaD 2. cOnSTRUYenDO pROBlemaS De eSTimacin De paRmeTROS

La estimacin de parmetros es una herramienta muy til dentro de las estadsticas, ya que nos permite caracterizar o describir de forma aproximada una poblacin que desconocemos en su mayora. En la funcin policial, sta nos permite comprender diversas situaciones a partir de una pequea muestra. Por ello, te invitamos a realizar la siguiente actividad que tiene como propsito desarrollar un pensamiento analtico con el cual las y los estudiantes lleven a cabo estudios estadsticos vinculados al ejercicio de sus funciones. La actividad a realizar es la siguiente: 1. Construye 3 planteamientos (problemas) vinculados al ejercicio de tus funciones en la cual se utilice la estimacin de parmetros para describir una poblacin. Los planteamientos deben incluir el estudio de una poblacin especfica y la realizacin de los clculos estadsticos necesarios para poder estimar parmetros. (Los planteamientos no necesitan tener datos reales) 2. Realiza las soluciones a los planteamientos propuestos en el tem anterior. 3. Realiza un escrito en el cual reflexiones sobre las ventajas de la estimacin de parmetros en la funcin policial.
TRAMO VII
33
acTiviDaD 3. eSTimanDO paRmeTROS en la fUncin pOlicial

sigamos avanzando estimadas y estimados estudiantes! En esta oportunidad te proponemos una actividad en la cual podemos llevar a cabo todo el proceso de anlisis de los datos o informacin recolectada a travs de un estudio. El propsito de la misma es brindarnos herramientas que nos permitan elaborar un informe completo sobre las situaciones de una determinada poblacin. Por ello, la actividad que te proponemos es la siguiente: 1. Recolecta informacin referente al nmero de situaciones delictivas que han vivido los vecinos de las comunidades en las cuales te desempees. Recolecta una muestra de tamao 20. La encuesta debe tener: nombre, edad, sexo y el nmero de situaciones delictivas vividas. 2. Elabora una tabla de frecuencia y un grfico de barras en la cual se reflejen los resultados de tus encuestas. 3. Estima la media poblacional a partir de la muestra con un nivel de confianza de 95% y calcula el error. 4. Refleja tus conclusiones en un texto de 7 lneas mximo.
34
TRAMO VII
acTiviDaD final
Con el fin de sistematizar los saberes abordados a travs de las actividades planteadas en el encuentro didctico, cerraremos con una actividad donde podrs valorar tu proceso de aprendizaje. En esta seccin, encontrars una serie de problemas referidos al muestreo, intervalos de confianza y estimacin de errores, cada una vista desde una mirada policial, cuyas respuestas deben ser claras y coherentes en funcin de los aprendizajes adquiridos. Para ello: Respondamos todas las preguntas planteadas en el orden que se te presentan. socialicemos tus reflexiones y comentarios con tus dems compaeras y compaeros de ambiente en los encuentros presenciales. sistematicemos la experiencia para establecer relaciones entre los saberes abordados y nuestro contexto laboral. finalizar todos los ejercicios, puedes comparar tus respuestas con la hoja de respuestas ubicada al final Al del encuentro didctico. actividades. 1. sea la poblacin de elementos: {22,24,26}. suponga que esta poblacin representa el nmero de armas incautadas en los ltimos tres meses en una determinada zona. a. Escriba todas las muestras posibles de tamao dos, escogidas mediante muestreo aleatorio simple.
b. Calcule la varianza de la poblacin.
TRAMO VII
35
2. se ha tomado una muestra de los precios de un mismo producto alimenticio en 16 comercios, elegidos al azar en un barrio de una ciudad, y se han encontrado los siguientes precios:
95 108 97 112 99 106 105 100 99 98 104 110 107 111 103 110
suponiendo que los precios de este producto se distribuyen segn una ley normal de varianza 25 y media desconocida: 1. Cul es la distribucin de la media muestral?
b. Determine el intervalo de confianza, al 95%, para la media poblacional.
HOJa De ReSpUeSTaS:
1.
a. b. La varianza de la poblacin es:
36
TRAMO VII
2.
a. = 104 es la distribucin de la media muestral. b. = = .
Como debemos calcular el intervalo de confianza al 95 %
Luego Buscamos el valor 0,975 en la tabla de la normal nos encontramos con 0,97615 que es su mayor aproxima: = 1,96+0.06= 1,96. cin, la cual se encuentra en la casilla 1,9 y 0,06. Por lo tanto Finalmente, nos queda que: (104 - 1,96 * 1,25, 104 + 1,9 * 1.25) = (101,55; 106,45) es el nivel de confianza para la media muestra al 95%.
TRAMO VII
37
pRUeBaS De HipTeSiS
Apreciados y apreciadas estudiantes, en el encuentro didctico denominado pruebas de Hiptesis abordaremos los siguientes saberes: tipos de hiptesis, pruebas bilaterales y unilaterales y tipos de errores, ser visto desde la perspectiva de la funcin policial con el fin de contribuir con la prevencin y deteccin del delito. Para desarrollar los saberes mencionados anteriormente te ofrecemos unas actividades que consisten en: 1. Preguntas generadoras, a partir de las cuales, activars tus saberes previos con respecto a la temtica que se va a desarrollar, esto con el fin de partir de tu realidad, condicin histrica, y de la toma de conciencia crtica en torno a ella y al nuevo modelo policial que se construye.
pROpSiTO
Brindar a las y los estudiantes herramientas tericas que les permitan realizar hiptesis que impacten en el desempeo de sus funciones.
2. Lecturas sobre la prueba de hiptesis, pues es una herramienta que nos permite caracterizar una poblacin sin necesidad de manejar los datos completos, es decir, a partir de una muestra se puede inferir la poblacin mediante la realizacin de una prueba de hiptesis. 3. Prueba de hiptesis a travs de diversos ejercicios planteados y, posteriormente, calcular diversas probabilidades con base en encuestas elaboradas bajo unos estndares con los que podemos describir la poblacin a la cual entrevistamos. Para culminar el encuentro, presentamos una actividad final donde debers utilizar todo lo aprendido. ste consta de ejercicios con distintos niveles de complejidad. Por ltimo, encontrars una hoja de respuestas que te permitir evaluar tus avances. Iniciemos nuestro recorrido con la mejor disposicin para aprender y as enriquecer nuestra funcin policial.
acTiviDaD 1. planTeanDO HipTeSiS en la fUncin pOlicial

El nuevo modelo policial busca hacer nfasis en la prevencin del delito, es por ello que las pruebas de hiptesis son una herramienta valiosa en la funcin policial. Estas pruebas nos permiten plantear hiptesis y evaluarlas a partir de datos recogidos de la poblacin. Conociendo esto, te invitamos a compartir, en este espacio, tus saberes en referencia a las hiptesis, a partir de las siguientes preguntas generadoras: Qu entiendes por hiptesis? Cmo realizar una hiptesis puede ayudar a la prevencin del delito? Posterior a esto, compartamos con nuestras compaeras y compaeros nuestras reflexiones en el encuentro presencial.
38
TRAMO VII
acTiviDaD 2. lecTURa: pRUeBaS De HipTeSiS

Nuestro objetivo al tomar una muestra es extraer alguna conclusin o inferencia sobre una poblacin. Nuestro inters es conocer acerca de los parmetros que caracterizan a la poblacin en estudio. El nico motivo para examinar muestras es que las poblaciones suelen ser demasiado grandes y costosas de estudiar. La prueba de hiptesis es un procedimiento estadstico que comienza con una suposicin que se hace con respecto a un parmetro de poblacin, luego se recolectan datos de muestra, se producen estadsticas de muestra y se usa esta informacin para decidir qu tan probable es que sean correctas nuestras suposiciones acerca del parmetro de poblacin en estudio. Ejemplos de hiptesis pueden ser, se desea: a) Probar si la media de robos en el municipio durante un fin de semana ha disminuido con respecto al anterior. b) Probar si el promedio de denuncias por alteraciones de orden pblico ha disminuido en los ltimos fines de semana. OBJeTivO De la pRUeBa De HipTeSiS Decidir, basado en una muestra de una poblacin, cul de dos hiptesis complementarias es cierta. Las dos hiptesis complementarias se denominan hiptesis nula e hiptesis alternativa.
TRAMO VII
39
cOncepTOS BSicOS Hiptesis nula (H0) Representa la hiptesis que mantendremos cierta, a no ser que los datos indiquen su falsedad. Esta hiptesis nunca se considera aceptada, en realidad lo que se quiere decir es que no hay suficiente evidencia estadstica para rechazarla por lo que aceptar H0 no garantiza que H0 sea cierta. Hiptesis alternativa (H1) Hiptesis que se acepta cuando los datos no respaldan la hiptesis nula. TipOS De pRUeBaS a) Pruebas de hiptesis de 2 extremos o bilaterales. Estas pruebas son del tipo:
b) Pruebas de hiptesis de un extremo o unilateral. b.1) b.2)
metodologa La lgica de una prueba de hiptesis es similar a la de un juicio penal, donde debe decidirse si el acusado es inocente o culpable y el juicio consiste en aportar evidencia para rechazar la hiptesis de inocencia ms all de cualquier duda razonable. Por su parte una prueba de hiptesis analiza si los datos observados permiten rechazar la hiptesis nula, comprobando si stos tienen una probabilidad de aparecer lo suficientemente pequea cuando es cierta la hiptesis nula. Las etapas de una prueba de hiptesis son: a) Definir la hiptesis nula a contrastar. b) Definir una medida de discrepancia entre los datos muestrales y la hiptesis Ho. supongamos que el parmetro de inters es la media de una poblacin y que apartir de una muestra hemos obtenido su estimador , entonces debemos medir dealguna manera la discrepancia entre ambos, que denotaremos como . c) Decidir qu discrepancia consideramos inadmisibles con , es decir, a partir dequ valor de , la discrepancia es muy grande como para atribuirse al azar y considerar que pueda ser cierta. Para ello debemos entonces: 1. 2. 3. 4. Tomar la muestra. Calcular el estimador del parmetro, en nuestro ejemplo . Calcular la medida de discrepancia . Tomar la decisin: si es pequea, aceptar , si es lo suficientemente grande, rechazarla y aceptar .
40
TRAMO VII
Es por ello que necesitamos establecer una Regla de Decisin mediante la cual sea especificada: a) La medida de discrepancia. b) Un criterio que nos permita juzgar qu discrepancias son demasiado grandes. Veamos entonces: a) Medidas de discrepancias: Es natural considerar medidas de discrepancias del tipo:
ser la probabilidad de rechazar una hiptesis nula cuando es cierta. Regin de Rechazo Una vez fijado , la regin de rechazo se determina a partir de la distribucin de probabilidad de cuando es cierta. Como esta distribucin es de manera que discrepanconocida elegiremos tengan probabilidad de ocurrir cias mayores de es cierta. menor de , si y la de no reLa regin de rechazo ser chazo ser por consiguiente: si la discrepancia observada cae en la regin de rechazo se dice que se ha producido una diferencia significativa y se rechaza la hiptesis nula .
En las cuales ser posible conocer su distribucin de probabilidad. si las hiptesis son bilaterales, el signo de la desno es importante, sin embargo viacin entre cuando la hiptesis es unilateral el signo de la discrepancia s lo es. para la discrepanb) Clculo de un valor mnimo . cia para la aceptacin de Para ello definamos: nivel de Significancia Para realizar una prueba de hiptesis, dividiremos el rango de discrepancias que puede observarse es cierta en dos regiones: una regin de cuando y otra de rechazo. aceptacin de se consideran discrepancias demasiado grandes, las que tienen una probabilidad pequea de ocurrir si es cierta. A este valor lo llamamos nivel de significacin: generalmente tomamos valores de 0,1; 0,05; 0,01 0,005. El nivel de significacin puede interpretarse tambin, como la probabilidad que estamos dispuestos a cuando sta es cierta. Cabe asumir para rechazar destacar que mientras ms alto sea el nivel de significancia que se utiliza para robar una hiptesis, mayor
Tipos de errores Cuando se decide sobre el rechazo de una hiptesis se pueden cometer dos equivocaciones. 1. Error tipo I ( ): es el rechazo de una hiptesis nula cuando es cierta. P(Error tipo I) = (su probabilidad es el nivel de significancia). 2. Error tipo II ( ): es la aceptacin de una hiptesis nula cuando es falsa. Una vez especificado el valor de , el de queda fijado para cualquier tamao de muestra determinada. El valor de depende del valor verdadero de , por lo tanto existe un nmero infinito de valores de , ya que hay un diferente para cada valor verdadero valor de que pueda tomar . Ahora bien, dado un valor fijo de , la probabilidad de cometer un error de tipo II disminuir a medida que aumente el tamao muestral. Existe un equilibrio entre los dos tipos de errores, la probabilidad de cometer un tipo de error puede reducirse slo si deseamos incrementar la probabilidad de cometer el otro.
TRAMO VII
41
TipOS De pRUeBaS a) pruebas de hiptesis de 2 extremos o bilaterales Es una prueba en la que se rechaza si el valor de la muestra es significativamente mayor o menor que el valor hipotetizado del parmetro de poblacin. Esta prueba involucra dos regiones de rechazo.
pasos Generales 1) Identificar si el parmetro de inters es o 2) Establecer las hiptesis correspondientes y el nivel de significancia. 3) Calcular la medida de discrepancia o estadstico de muestra. 4) Buscar el valor del percentil, en dependencia de la distribucin encontrada en 3. 5) Comparar los valores, tomar la decisin e interpretar los resultados. frmulas a) Pruebas de hiptesis para medias:
b) pruebas de hiptesis de 1 extremo o unilaterales Es una prueba en la que slo hay una regin de rechazo, es decir, slo nos interesa si el valor observado se desva del valor hipotetizado en una direccin. Pueden ser: b. 1) Prueba de extremo inferior: Es una prueba en la que si hay un valor de muestra que se encuentra significativamente por debajo del valor de la poblacin hipotetizado, nos llevar a rechazar la hiptesis nula. Grficamente:
conocida
desconocida (muestras pequeas, n<30, y aproximadamente normal la poblacin, t)
b) Pruebas de hiptesis para proporciones (muesy ): tras grandes,
b. 2) Prueba de extremo superior: Es una prueba en la que si hay un valor de muestra que se encuentra significativamente por encima del valor de la poblacin hipotetizado, nos llevar a rechazar la hiptesis nula. Grficamente: veamos un ejemplo: En el transcurso de una investigacin antidrogas, se ha identificado el estilo de pesaje de la droga de un laboratorio en aproximadamente 1000 grs. por panela de restos y semillas vegetales, con una desviacin
42
TRAMO VII
de 20 grs.; el laboratorio aparentemente se ha percatado del seguimiento que se hace a travs de la investigacin policial y, a objeto de evadir las pesquisas ha modificado su pesaje en 100 grs. El peso de las 200 ltimas panelas decomisadas ha resultado ser aproximadamente de 1083 grs. con un nivel de confianza del 95%, pruebe que las panelas siguen siendo produccin del mismo laboratorio y efectivamente incrementaron en 100 grs. su peso a objeto de desvirtuar posibles seguimientos en la investigacin policial. solucin: 1. Datos: En este caso conocemos la varianza de la po, adems blacin,
acTiviDaD 3. RealizanDO pRUeBaS De HipTeSiS

Apreciados y apreciadas estudiantes, como vimos en la actividad 1, las pruebas de hiptesis son un elemento que nos permite evaluar hiptesis realizadas con lo cual podemos mejorar nuestra accion. Por ello, en este espacio te invitamos a realizar pruebas de hiptesis a los siguientes planteamientos: 1. Las puntuaciones en un test que mide la variable creatividad siguen, en la poblacin general de adolescentes, una distribucin normal de media 11,5. En un centro escolar que ha implantado un programa de estimulacin de la creatividad una muestra de 30 estudiantes ha proporcionado las siguientes puntuaciones: 11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8,23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15. A un nivel de confianza del 95% Puede afirmarse que el programa es efectivo?
grs., . 2. Hiptesis: grs. 3. Estadstico de Prueba:
grs.,
grs.
4 .Percentil: como n > 30 5. Justificacin y decisin: y se conclu58,68>1,96 por lo tanto se rechaza ye con un nivel de significancia del 0,05 que el peso promedio de panelas ha sido modificado y proviene del mismo laboratorio.
TRAMO VII
43
2. En el transcurso de una investigacin antidrogas, se ha identificado el estilo de pesaje de la droga de un laboratorio en aproximadamente 1005 grs. por panela de restos y semillas vegetales, con una desviacin de 19 grs.; el laboratorio aparentemente se ha percatado del seguimiento que se hace a travs de la investigacin policial y, a objeto de evadir las pesquisas ha modificado su pesaje en 100 grs. El peso de las 800 ltimas panelas decomisadas ha resultado ser aproximadamente de 1.032 grs. Con un nivel de confianza del 95%, pruebe que las panelas siguen siendo produccin del mismo laboratorio y efectivamente incrementaron en 100 grs. su peso a objeto de desvirtuar posibles seguimientos en la investigacin policial.
tus respuestas con la hoja de respuestas ubicada al final del encuentro didctico. actividades 1. El director general de polica en una regin del pas, al rendir cuentas ante su superior, afirma que la media por zonas de delitos por robo a mano armada, que se cometen en esa regin, ha disminuido con respecto al ao anterior. se quiere estudiar la veracidad de las declaraciones del Director analizando una muestra de diversos municipios de la regin. se conoce que la media del ao anterior fue de 839,5, los datos de los municipios para este ao son:
853 754 345 980 834 456 672 1056
Con un nivel de confianza del 5%, verifique si lo descrito por el comandante es cierto. 2. Un informe establece que los funcionarios y funcionarias de una estacin policial del pas estn trabajando alrededor de 22 horas cada dos das, con una desviacin estndar de 6 horas. Este informe parece haber sido manipulado y los funcionarios y funcionarias trabajan ms, por lo que se decide realizar una investigacin a fondo para conocer la realidad de esa estacin. La investigacin arroja que de una muestra de 64 policas, stos tienen una media de 25 horas trabajadas cada dos das. si se utiliza un nivel de confianza del 95%. Verifique si la afirmacin del informe es realmente cierta, a fin de planificar el trabajo considerando lo establecido en los estndares policiales.
acTiviDaD final
Con el fin de sistematizar los saberes abordados a travs de las actividades planteadas en el encuentro didctico, cerraremos con una actividad final donde podrs valorar tu proceso de aprendizaje. En esta seccin encontrars una serie de problemas referidos a la hiptesis, pruebas bilaterales y unilaterales y tipos de errores que sern vistos desde la mirada policial, cuyas respuestas deben ser claras y coherentes en funcin de los aprendizajes adquiridos. Para ello: Respondamos todas las preguntas planteadas en el orden que se te presentan. socialicemos tus reflexiones y comentarios con tus dems compaeras y compaeros de ambiente en los encuentros presenciales. sistematicemos la experiencia para establecer relaciones entre los saberes abordados y nuestro contexto laboral. finalizar todos los ejercicios, puedes comparar Al
44
TRAMO VII
HOJa De ReSpUeSTaS
1. Establezcamos nuestra hiptesis:
Veamos ahora el percentil de la t-student para el nivel de confianza del 5% (Consultamos la tabla): Conclusin: como entonces se rechaza la hiptesis nula y se acepta la hiptesis alternativa, es decir el Director General tena razn y los delitos por robos han disminuido. 1. Los datos que tenemos son los siguientes:
Nuestra prueba es de una cola: Como no tenemos la desviacin tpica debemos calcularla:
Recordemos que la forma de calcular sta la podemos ver en la unidad curricular estadstica bsica aplicada a la funcin policial. Como la muestra es menor a 30 y la desviacin tpica de la poblacin no est dada, entonces la ecuacin a usar es:
Establezcamos nuestra hiptesis:
Calculemos el estimador:
El tamao de la muestra es n=8 y nos falta slo calcular la media de la muestra:
Veamos el estimador dado el nivel de confianza:
Ahora apliquemos la ecuacin:
As como el estadstico de prueba es mayor que el de la tabla (4>1,96) se rechaza el estadstico de prueba y se aprueba la hiptesis alternativa, es decir el informe era errneo y los funcionarios y funcionarias trabajan ms horas.
BiBliOGRafa
spiegel, M. (2006). Probabilidad y estadstica. Mxico. Editorial McGraw-Hill. Cramer, H. (1972). Mtodos matemticos de la estadstica. Madrid. Editorial Aguilar. Devore, J. (2008). Probabilidad y estadstica. Mxico. Editorial Cengagelearning Editores. Webster, A. (2000). Estadstica aplicada a los negocios y la economa. santa fe de Bogot, Colombia. Editorial McGraw-Hill.
Zylberberg, A. (2005). Probabilidad y estadstica. Buenos Aires Argentina. Editorial Nueva Librera. Mendenhall, W. y Beaver et al, R (2008). Introduccin a la probabilidad y estadstica. Mxico. Editorial Thomson. Nolberto, V. y Ponce, M. (2008). Estadstica inferencial aplicada. Lima- Per. Ediciones Elena soto Loayza. Mayer, P. (1992). Probabilidad y Aplicaciones Estadsticas. Mxico. Editorial Alhambra Mexicana.
45
Segunda Edicin 500 ejemplares Imprenta UNES

Marzo 2012

Material Estadistica+Aplicada

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Material Estadistica+Aplicada

Uploaded by

Copyright:

Available Formats

TRamO vii

MATERIAL DIDCTICO DE LA Y EL DIsCENTE

eSTaDSTica infeRencial aplicaDa a la fUncin pOlicial

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

PROPSITO DE LA UNIDAD CURRICULAR

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTRUCTURA DEL MATERIAL DIDCTICO

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

acTiviDaD 1. lecTURa: inTRODUccin a la pROBaBiliDaD

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

Observamos que: 1. As como A es un subconjunto de E, un subconjunto de E. 2. tambin es

Para esta probabilidad vamos a usar la definicin de probabilidad condicional:

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

Donde n es la cantidad total de elementos, y k es la cantidad que se toman.

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

Daniel Bernoulli, matemtico, fsico, estadstico y mdico holands-suizo

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

La grfica de esta funcin de densidad se conoce con el nombre de campana de Gauss.

normal Cuando la funcin de densidad es la siguiente: GaUSS

La distribucin se llama Normal (o de Gauss).

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

, la distribucin de es aproximadamente normal estndar sin importar la distribucin de las . no difiere

acTiviDaD 2. laS pROBaBiliDaDeS en nUeSTRO qUeHaceR DiaRiO

2. cmo usas o podras usar la probabilidad en tu vida diaria?

acTiviDaD 3. calcUlanDO pROBaBiliDaD

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

acTiviDaD 4. ReSOlvienDO pROBlemaS De pROBaBiliDaD

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

3. De cuntas formas pueden ordenarse 10 oficiales policiales en una fila de 4 oficiales?

. Conocemos todo menos .

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

acTiviDaD 1. lecTURa: eSTimacin De paRmeTROS

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

Los valores dientes tablas.

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

De esta forma el intervalo nos queda:

ejemplo: En nuestro problema anterior el error viene dado por:

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

Buscamos el valor 0,95 en la primera fila y el valor de 25 en la primera columna, as el valor de

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

acTiviDaD 2. cOnSTRUYenDO pROBlemaS De eSTimacin De paRmeTROS

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

acTiviDaD 3. eSTimanDO paRmeTROS en la fUncin pOlicial

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

b. Calcule la varianza de la poblacin.

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

b. Determine el intervalo de confianza, al 95%, para la media poblacional.

a. b. La varianza de la poblacin es:

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL

a. = 104 es la distribucin de la media muestral. b. = = .

Como debemos calcular el intervalo de confianza al 95 %

ESTADSTICA INFERENCIAL APLICADA A LA FUNCIN POLICIAL