un conjunto de nmeros se puede reducir a una o unas cuantas medidas

numricas sencillas que resumen el conjunto del total, 2 caracteristicas

importantes de los datos son: el valor central o tipico del conjunto
y la dispersin de los nmeros
valores centrales
se utilizan para indicar un valor que tiende a ser el mas representativo
de un conjunto de nmeros
media
es la media aritmtica o promedio y se obtiene de la suma de sus elementos
y dividiedolos por su cantidad
propiedades de la media
*la media siempre se puede calcular para un conjunto de nmeros
*existe una nica media par un conjunto dado de numeros
*la media es afectada por cada valor de un conjunto, si cambio
el valor tambin cambia la media
*si se suma una constante a cada valor del conjunto, la media
aumenta por la misma cantidad lo mismo si se resta multiplica o
divide por una misma constante
*la suma de las desviaciones de un conjunto a partir de la media 0
media ponderada
se utiliza cuando todos los valores no tienen la misma importancia
4+5+4+1+2 = 4*2+1+5
mediana
divide un conjunto ordenado en dos grupos iguales, la mitad de los
nmeros son menores que la mediana y la mitad, son mayores. se
calcula ordenando los valores de menor a mayor, se cuentan para
saber si son impares y si son impares la mediana es el intermedio
y si son pares, es el promedio de los dos.
el cuartil
divide los datos ordenados en 4 partes iguales
persentil
divide los datos ordenados en 100 grupos iguales
la media se ve afectada por cualquier valor del conjunto, mientras
que la mediana es insensible a los valores extremos
la media se puede calcular fcil con la calculadora, la mediana no
moda
es el valor que con mas frecuencia se presenta en el conjunto (el
que mas veces se repite) la moda es indicativa del valor tpico
del conjunto, no es muy util en los problemas estadsticos
medidas de dispersin
indican si los valores estn relativamente cercanos uno del otro o
si se encuentran dispersos
se consideran 4 variables de dispersin que son:
*amplitud de variacion
*desviacion media
*variancia
*desviacin standard

modelo de variacion
todas estas medidas toman la medio menos la amplitud y la variacion
amplitud de variacin
Se puede expresar de dos formas, primero: la diferencia entre los valores
mayor y menor, segundo: indicando cuales son los valores mayor y menor
del grupo anexo 1
desviacion absoluta media
mide la desviacion promedio de valores con respecto a la media del grupo sin tom
ar en cuenta
el signo de la desviacin. Se obtiene restando la media a cada valor del grupo, el
iminando
el signo (+ o -) y hallando luego el promedio, si tuvieramos en cuenta los signo
s la desviacin
sera 0 (anexo 2)
variancia
se calcula casi igual que la DAM, hay 2 diferencias: primero las desviaciones se
elevan al cuadrado
antes de sumarlas y segundo el promedio se obtiene dividiendo por n -1 si es par
a una muestra
y si es para el total de un poblacin se divide por N. Anexo 3
desviacion standard
es la raiz cuadrada positiva de la variancia (anexo 4)
proporcin (anexo 5)
es la fraccin o porcentaje de elementos de un grupo o clase particular, esto es i
gual a x sobre n
donde x es el numeros de elementos con determinada caracteristica, y n es el num
ero total de observaciones
ANALISIS DE GRANDES CONJUNTOS DE DATOS.
Los mtodos principales para organizar datos estadisticos comprenden, el ordenamie
nto de elementos
en subconjuntos que presentan cualidades semejantes, por ejemplo, la misma edad,
misma escuela,
misma ciudad, los datos agrupados se pueden resumir graficamente o en tablas, el
nombre que recibe
los datos ordenados es de distribucin de frecuencias, la distribucin de frecuencia
s es un metodo
de clasificacion de datos en clases o intervalos de manera tal que se pueda esta
blecer el numero
o porcentaje, es decir la frecuencia, de cada clase, de esta forma, se puede obs
ervar un conjunto
de numeros, sin considerar cada numero y es muy util al manejar gran cantidad de
datos, el numero
o porcentaje de una clase se denomina, frecuencia de clase
ELABORACION DE UNA DISTRIBUCION DE FRECUENCIAS PARA DATOS CONTINUOS
Se debe realizar los siguientes pasos:
1' establecer la clase o intervalos en que se agruparan los datos
2' ordenarlos en clases mediante el conteo por marcas
3' contar el numero de cada clase
4' presentar los resultados en una tabla o grfico
pasos para elaborar una distribucion de frecuencia

1= obtener la amplitud de variacion de los datos

2= hallar el N de clases que como regla general utilizamos K (numero de clases)
a la raiz cuadrada
del numero de observaciones, conveniente que fueran entre 5 y 15
3= calcular la amplitud de la clase, que se obtenia dividiendo la amplitud de va
riacion/k y redondeando
4= determinar los limites de clases preliminares revisando que los mismos se toq
uen pero no se
superpongan
5= enumerar los intervalos y efectuar un conteo por marca de datos segun su clas
e, comprobar que el
total de marcas sea igual a N
6= elaborar una tabla o histograma de frecuencias
elaboracion de distribucion de frecuencia para datos discretos
los datos continuos pierden identidad cuando se hace una distribucion de frecuen
cias, pero no sucede
lo mismo con los datos discretos.
las distribuciones que no presentan perdida se utilizan cuando:
1= cuando los datos son valores enteros.
2= intervienen menos de 16 N enteros.
3= existen observaciones suficientes para que la distribucin sea significativa.
las distribuciones que producen perdida de info se utilizan cuando:
1= intervienen numeros enteros y decimales
2= hay solamente numeros enteros, pero son demasiados.
3= cuando la perdida de info es menos importante.
Medidas de resumen para datos agrupados
son las mismas que para los mismos conjuntos de datos en los que teniamos la med
ia la moda
la desviacion standar la variancia y la amplitud
Media de una distribucin de frecuencia
las ponderaciones son sustituidas por la frecuencia de clases, la media va a ser
igual a la sumatoria
de los (fi * xi)/n donde fi es la frecuencia de la clase i y N es igual a el num
ero de observaciones
si no hay perdida de informacion en la distribucion de frecuencia mediante esta
formula se obtiene
la misma respuesta que si se trabajara con datos originales (anexo 9)
si hay perdidas de informacion las Xi se sustituyen por los puntos medios de las
clases respectivas
y la media resultante es una aproximacin (anexo 9)
los puntos medio se obtienen sacando el promedio entre el limite inferior de una
clase y el lmite
inferior de la clase siguiente 0 < 10 y 10 < 20 = 5
MEDIANA DE GRAN CANTIDAD DE NUMEROS SIN PERDIDA DE DATOS (anexo 10)
primero tenemos que identificar el intervalo que contiene la mediana
segundo determinar la jerarquia de la mediana en ese intervalo
tercero jerarquizar los valores de esa clase
cuarto identificar la mediana

si los valores estuvieran uniformemente espaciados

LA MODA DE UNA DISTRIBUCION DE FRECUENCIA
indica que parte de esta ocurre con mas frecuencia, cuando se pierde info se pon
e un clase
en lugar de un valor unico
amplitud de variacion de una distribuacion (anexo 11)
si se tiene los datos originales, es la diferencia entre el mayor y el menor
si no se tiene los valores originales, es la diferencia del limite inferior del
primer
intervalo y el limite supeior del ultimo intervalo
variancia de una distribucion de frecuencia
anexo 12`
desviacion standar
es la raiz cuadrada de la variancia
GRAFICAS DE DISTRIBUCIONES DE FRECUENCIA
las grficas de distribuciones continuas son curvas suaves y las discretas se graf
ican mediante barras
PROBABILIDAD
se utiliza para saber cuan provable es un evento, como puede ser
que llueva, que una moneda caiga cara, que se obtengan buenas
calificacion,
la probabilidad de un evento A, es un numero que va de 0 a 1
y que indica cuan probable es la ocurrencia del evento A
cuanto mas cerca est del 1, mas alta es la probabilidad que
ocurra A y cuanto mas cerca del 0 la probabilidad es mas baja
a un evento imposible se le asigna probabilidad 0
mientras que si hay probabilidad de que ocurra es 1
cuando un meteorologo dice que la probalidad de que llueva
es cercana a 0, est indicando que es altamente improbable
que llueva
ESPACIO MUESTRAL Y EVENTOS
un concepto fundamental es el de conjunto, es un grupo de elementos
que tiene ciertas caracteristicas, comunes por ej, habitantes de
mar de aj, rios de mendoza, los estudiantes de programacin.
Es importante definir un conjunto para determinar si un objeto
es o no de ese conjunto. Un conjunto es un grupo de cosas bien
definidas, hay 2 formas de describir los elementos de un conjunto
*1 enumerarlos a todos o 2*defininir las caracteristicas comunes
conjunto A (perez sanchez alvarez)
conjunto A enteros positivos
La probabilidad tiene realidad en el contexto de un espacio
muestral, un espacio muestral es un conjunto de todos los resultados
posibles de un experimento o muestra, los resultados de un experimento
se conocen como evento. ej se puede tirar una moneda 10 veces y anotar
cuantas veces cayo cara, el espacio muestral es el nmero posible de
caras.
COMPLEMENTO

El complemento de un evento consta de todos los resultados del espacio

muestral que no forman parte de el. El complemento de un evento se seala
con prima A.
Los eventos son excluyentes si no presentan elementos en comn, si yo saco
una sola carta y digo que el evento es el naipe de corazon, un naipe de
diamante son mutuamente excluyentes, porque una carta no puede ser corazon
y diamante a la vez, en cambio si yo digo que la carta es un corazon y la
carta es figura no lo son, porque podemos hablar de lo mismo.
Los eventos son colectivamente exhaustivo, si por lo menos uno de ellos
debe ocurrir durante un experimento, por ej, la carta es un corazon, la
carta es un diamente, la carta es un trebol y la carta es una espada,
son colectivamente exhaustivo porque agotan todas las posibilidades
Los espacion muestrales se pueden representar graficamente mediante los
diagramas de venn
La probabilidad de un espacio muestral es 1
La probabilidad de que un evento no ocurra es 1
menos la probabilidad de que no ocurra
por ej. rendir un examen de un examen de matematicas y anotar las calificaciones
que pueden ser de 0 a 100, es calificar, espacio muestral: 0 a 100
pesar objetos y anotar sus pesos entre 6 y 36, el experimento es pesar y el espa
cio
muestral es de 6 a 36
El calculo de probabilidad en el enfoque clasico dice que las situaciones
tienen resultados igualmente probables y la probabilidad de cada resultado
va ser igual a 1 sobre el resultado posible
POSIBILIDADES
estan relacionadas con las probabilidades, las posibilidades comparan
el numero de resultados favorables con el numero de no favorables
y las probabilidades comparan el numero de resultados favorables con
el total.
si tenemos 8 bolitas rojas y 2 verdes
MUESTRA ALEATORIA
cuando todos los elementos de una poblacion tienen la posibilidad
de ser incluidos en la muestra
PROBABILIDADES OBJETIVAS Y SUBJETIVAS
OBJETIVAS (enfoque clasico y enfoque empirico)
FRECUENCIA RELATIVA A LARGO PLAZO
el enfoque clasico se realiza cuando los resultados son igualmente probables en
el caso de que no
sean de ese tipo, por ej una moneda irregular, pueden no ser no igualmente proba
ble sacar cara
o cruz, en este caso se obtienen datos empiricos para estimar las probabilidades
por ej, se puede tirar la moneda 100 veces y si cae cara 60 veces se puede estim
ar que la probabilidad
de cara es de 0.60
tambien se pueden utilizar datos historicos, para calcular estas probabilidades.

por ej, el numero

de casas vendidas en una inmobiliaria
numero de casas vendidas ---- numero de dias
0
3
1
2
2
5
3
6
----16
P(0)
P(1)
P(2)
P(3)

3/16
2/16
5/16
6/16

cuando se emplea un enfoque empirico, hay que tomar en cuenta lo siguiente

1= la probabilidad obtenida es unicamente una estimacin del valor real
2= cuanto mayor sea el tamao de la muestra, mejor ser la estimacin de la probabilid
ad
3= la probabilidad es propia de un solo conjunto de condiciones idnticas a aquell
as
en las que se obtienen los datos (las condiciones en la que hacemos el experimen
to debe ser igual)
POSIBILIDADES
cuando se utilizan frecuencias relativas es el numero de veces que ocurre al num
ero de veces que no
ocurre
ENFOQUE SUBJETIVO DE LAS PROBABILIDADES
Las probabilidades obtenidas por los enfoque clasicos y empricos se llaman objeti
vas porque
derivan de hechos pero a veces los resultados no son igualmente probables y tamp
oco hay datos
historicos, es estos casos se debe hacer una evaluacin subjetiva .
La probabilidad subjetiva es una evaluacin personal de la posibilidad de que ocur
ra un evento
DESVENTAJAS DE LAS PROBABILIDADES SUBJETIVAS
1= Las estimaciones subjetivas son dificiles de comprobar si son cuestionadas
2= los prejuicios pueden influir como as tambin las ideas subjetivas de que pueda
ocurrir
PROBABILIDAD EN LA TOMA DE DESICIONES
muchas aplicaciones requieren la determinacin de la probabilidad de combinaciones
de eventos
se identifican 2 eventos
A B en el espacio muestral, a veces se quiere determinar, la probabilidad de que
ambos ocurran
P (A y B) y en otros casos la probabilidad de que ocurra a o b ( P(AoB) ) por ej
emplo, si hay 2
ascensores en un edificio se puede preguntar que probabilidad de que ambos esten
funcionando
partiendo de datos histricos, este caso recibe el nombre de probabilidad conjunta
y depende si los

eventos son independientes o no, 2 eventos son independientes entre si, cuando l
a ocurrencia de uno
no esta relacionada con la ocurrencia del otro, si se tiran 2 dados el resultado
de uno es independiente
del otro. Son dependientes cuando saber que a ocurrido 1 puede ser til para prede
cir la ocurrencia
del otro por ejemplo, saber que una flor no a sido regada puede indicar algo a c
erca de su crecimiento
cuando se observa que un nio se ha lastimado se espera que llore. Se dice que 2 o
mas eventos son
independientes si la ocurrencia o no de uno afecta la ocurrencia de los otros, s
i dos eventos son independients
la probabilidad de que ambos ocurran es igual al producto de sus probabilidades
individuales
P (A y
P(AoB)
P(AyB)
P(AYB)

B) = P(A) * P(B) si son independientes

no son excluyentes = P(A)+P(B)-P(AyB)
INDEPENDIENTES = p(A) x P(B)
DEPENDIENTES = P(B)+p(A/B)

ej, si se tiran 2 monedas, cul es la probabilidad de que ambas salgan cara? 1/2 *
1/2 = 1/4
ej 1/3 de los votantes anotados en una comunidad rural son mujeres y el 40 porci
ento de ellas
votaron en la ltima eleccin presidencial, suponiendo que estos eventos son indepen
dientes
hallar la probabilidad de seleccionar aleatoriamente de una lista global a una m
ujer que haya
votado en la ultima eleccin presidencial
1/3 * 0.40
juan llega tarde a su casa para cenar el 25 porciento de las veces, la cena se r
etrasa el 10
porciento de las veces, si los 2 sucesos no estan relacionados, que probabilidad
hay de que ambos
ocurran
si 2 eventos no son independientes, el calculo de la probabilidad de A y B es de
deben tomar esto en
cuenta, por ej, hay 2 urnas con bolitas la primera tiene 8 rojas y 2 blancas y l
a 2da 5 rojas y
5 blancas
urna y
urna z

rojas
8
5

blancas total
2
10
5
10

al sacar una bolita de una de las urnas la probabilidad de roja en la urna Y es

8/10 y si elijo
la urna Z la probabilidad de roja es 5/10 por lo tanto la probabilidad de sacar
una bolita roja
depende de la urna que haya elejido
P(rojas/urnaZ) = 5/10
P(rojas/urnaY) = 8/10
la probabilidad de rojas dado que elegi la urna Z es = a 5/10
P(blanca/urnaZ) = 5/10
P(blanca/urnaY) = 2/10

suponiendo que las urnas no estan marcadas la probabilidad de elejir una de ella
s es 1/2, cul
ser la probabilidad de sacar una bolita roja de la urna z 1/2 * 5/10
P(urnaZ y bolita roja) = 1/2 * 5/10 = 5/20 = 1/4
la probabilidad conjunta de 2 eventos dependientes es igual a la probabilidad de
1 * la probabilidad
condicional del otro
P(A y B) = P(A) * P(B/ (dado que ya saque(/)la urnaZ) A)
si 2 eventos son mutuamente excluyentes como bolita roja y volita blanca sus pro
babilidades condicionada
son 0 P(roja/blanca) = 0 , P(blanca/roja) = 0
cuando los 2 elementos son mutuamente excluyentes la probabilidad condicionada e
s 0
REGLA DE ADICIN
se utiliza para determinar la probabilidad de de que ocurra alguno de los 2 even
tos o ambos
el clculo difiere si los elementos son mutuamente excluyentes o no
si son mutuamente excluyentes la probabilidad de A o B
P(A o B) = P(A) + P(B)
por ej, la probabilidad de que al tirar un dado se obtenga como resultado un 5 o
un 6 es igual
a la probabilidad de 5 mas la probabilidad de 6
la probabilidad de sacar una carta de corazones o una carta de trebol
P(corazones) + P(trebol) = 13/52 + 13/53 = 26/52 = 1/2
cuando 2 eventos no son mutuamente excluyentes, ambos pueden suceder, en este ca
so puede ocurrir
uno de ellos o ambos, por ej, la probabilidad de sacar un trebol o un 10 de un m
azo de 52 cartas
1 carta puede ser ambos casos, los eventos 10 y trebol no son mutuamente excluye
ntes, si sumamos
las 2 probabilidades individuales el 10 de trebol se contar 2 veces y por lo tant
o hay que restarlo
REGLAS DE PROBABILIDAD
P(A o B) para eventos mutuamente excluyentes es igual a P(A) + P(B)
para eventos que no sean mutuamente excluyentes P(A)+P(B)-P(Ay)
para eventos independientes = P(A)*P(B)
para eventos dependientes = P(B)*P(A/B) ANEXO 13
Tcnicas de Conteo
para utilizar el enfoque clsico de probabilidad es necesario poder
conocer todos los resultados posibles, las tcnicas de conteo se utilizan
para determinar la el nmero total de resultados
tcnica de conteo
ARBOL DE DESICIN

cuando es muy grande el nmero de resultados, hay que recurrir a frmulas

matemticas para determinar el nmero de resultados posibles
por ejemplo
un estudiante se presenta a un exmen de 20 preguntas de V/F, est adivinando
todas las preguntas, cul es la probabilidad de que resuelva correctamente
el examen, por ejemplo puede decidir contestar todas con V o todas con falso
o alternar verdadero y falso y mezclarlas aleatoriamente, si el examen
tuviera una sola pregunta con V o F (hay dos casos posibles o v o f,
si fueran 2
PRINCIPIOS DE MULTIPLICACIN (TCNICA)
Con el diagrama de rbol vemos que cada pregunta que se agrega duplica el numero t
otal
de resultados posibles.
si fuera un examen con opcin mltiple con 4 opciones por pregutas y fueran 3 pregun
tas (4x4x4)
si tenesmos 4 opciones para la 1ra 5 para la 2da y 3 para la 3ra (4x5x3)
en terminos generales si tenemos N deciciones secuenciales con M opciones
en la cantidad de casos posibles ser M^N
sobre el principio de multiplicacin se basan 2 tcnicas: permutaciones y combinacio
nes
PERMUTACIONES
cuando el orden en que se disponen los trminos es importante, el nmero total de re
sultados
posibles recibe el nombre de permutacin, por ejemplo las respuestas al examen de
opcin
multiple existe un sigificado especial relacionado con el orden, cuando el orden
carece de un
significado particular el nmero total de resultados posibles, se conoce como comb
inacin
por ejemplo, un comit formado por dos personas Perez y Sanchez sera igual al forma
do
por Sanchez y Perez
las permutaciones son importantes cuando el orden es importante y cuando no son
se definen como
combinaciones
Supongamos que hay 4 equipos de futbol en un campeonato, en cuanto formas podria
n quedar(4x3x2x1)
cuando se trabajan con permutaciones, cada decisin comprende una menos que la ant
erior
y esto se puede simplificar con el smbolo factorial (!)
si en una carrera hay 7 caballos, cuando ordenaciones de ganadores de 2do y terc
ero hay (7x6x5=210)
con permutaciones son....
si alguno de los elementos son idnticos entre s, por ejemplo si tenemos 3 monedas
de 5 centavos
y dos de 10 centavos el nmero de casos posibles es 5!/3!*2! = 10
en general el nmero de permutaciones cuando hay N elementos y N1 son iguales entr
e s y N2 son

iguales entre s... etc, las permutaciones son nP n1,n2,n3...nk = n1/n1!*n2!*n3!..

..nk!
n= n1+n2+n3+n4.....nk
cuantas ordenaciones o casos posibles diferentes de 8 letras se pueden hacer uti
lizando las letras
rrruuun = nP4,3,1 = 8!/
Combinaciones
tenemos 4 colores y queremos seleccionar de 3 de ellos la manera de combinar son
REGLA DE bayes
es un metodo para verificar las posibilidades existentes basandose en la informa
cion obtenida en un
muestreo.
un individuo recoje una de las 3 bolsas en la cocina y se va al trabajo, camino
al trabajo, el
puede haber tomado la bolsa equivocada, una tenia con su almuerzo, que eran 2 sa
ndiwch de
jamn, otra el almuerzo de la hija un sandiwch de jamos y otro de queso y otra la
bolsa de la
basura, la probabilidad de haber tomado la bolsa correcto es 1/3, toma la bolsa
y saca un sandich
que es de jamn, y ve con alivio que no es la de la basura! la probabilidad es el
numero de resultado
favorable sobre los posibles, calcula la probabilidad de haber tomado su almuerz
o, hay 3 formas
de haber tomado un sandich de jamon, es 2/3, si no estuviera la bolsa de basur
a sigue siendo
2/3 , si tomo una de jamon la bolsa de basura dejo de ser un problema,
bc = bolsa correcta
sj = sandich de jamon
ah = almuerzo hija
b = basura
P = P(bc) x P(sj/bc) / P(bc) x P(sj/bc) + P(ah) x P(sj/ah) + P(b) x P(sj/b)
P= 1/3 x 1 / 1/3 x 1 + 1/3 x 1/2 + 1/3 x 0 = 2/3
tenemos 4 urnas con 10 bolitas cada una A B C D = rojas blancas y azules

a
b
c
d

rojas blancas azules total

1
6
3
10
6
2
2
10
8
1
1
10
0
6
4
10

P(urna B / roja) = 1/4 x 0.60

6
----------------------------------- = -----1/4 x 0.60 + 1/4 x 0.80 + 1/4 x 0
15
los registros policiacos revelan que solo el 10 porciento de las victimas en acc
identes
que llevaban cinturones de seguridad sufren heridas graves, en cambio el 50 porc

iento
de los que no lo usaron sufrieron tambin serias heridas, la policia estima que el
60 porciento de las pesonas que viajan en automovil emplean cinturones de seguri
dad
se llama a la pocilia para investigar un accidente, en el que una persona result
a
seriamente herida, estime la probabilidad de que llevara puesto el cinturon de s
eguridad
en el momento del choque, el conductor del otro auto no sufri heridas graves, det
ermine la
probabilidad de que este ltimo llevara puesto el cinturn de seguridad
3 mquinas producen piezas fundidas de metales no ferrosos, la mquina A produce 1%
de piezas
defectuosas, la mquina B el 2% y la C el 5%, cada mquina produce un tercio de la p
roduccin
total. Un inspector examina una pieza y determina que no est defectuosa, estime l
a probabilidad
de que dicha pieza haya sido producida por cada maquina
VARIABLES ALEATORIAS
Son las variables cuyos resultados tienden a variar de observacin en observacin de
bido a factores
relacionados con el azar, es importante definir una variable aleatoria,asociada
con una muestra
de manera que sus resultados sean numricos, por ejemplo, N numero de clientes que
entran en una tienda
durante 20 minutos la cantidad que entre variara, estatura de estudiantes en una
clase, que puede
que puede quedar definida en valores continuos. Ej de 1,60 a 2,10. Una variable
aleatoria, es una
funcin valorada numricamente cuyo valor, est regido por factores en los que intervi
ene el azar
una variable aleatoria se considera discreta,si los valores que toma se pueden c
ontar, por ejemplo
el nmero de accidentes que ocurre en una semana, una variable aleatoria es contin
ua si puede tomar
cualquier valor, dentro de un determinado intervalo, tiene un nmero infinito de v
alores posibles
por ejemplo, el peso de caja de naranjas. Los distintos modelos de probabilidad
se utilizan segn
el tipo de variable aleatoria
valor esperado de una variable aleatoria
si una variable aleatoria asume valores x1 x2 x3 ..... Xn y sus probabilidades s
on p1 p2 p3 .... Pn
el valor esperado de X
cantidad de
heladeras vendidas
0
1
2
3
4

probabilidades o
frecuencias relativas
0,20
0,30
0,30
0,15
0,05

E(x)= 0,20*1+0,30*1+0,30*2+0,15*3+0,05*4

con dados
E(x)= 1*1/6+2*1/6+3*1/6+4*1/6+5*1/6+6*1/6
el valo esperado se puede calcular con datos muestrales como las heladeras o sin
datos muestrales
como en el caso del dado.
ejercicio
un inversionista se da cuenta que tiene una probabilidad de 0,40 de tener una ga
nancia de 25k en
pesos y 0,60 de perder 15k en pesos
un
a,
en
os

contratista hace la siguientes estimaciones del tiempo de terminacin de la obr

para terminarla
10 das tiene una probabilidad de 0,30 en 15 dias 0,20 en 22 dias 0,50 en cuant
dias se espera

suma de variables aleatorias

si sumamos 2 o mas varibles aleatorias, podemos obtener la media y la desviacin s
tandart respecto
a la varible resultante, se tienen 2 variables aleatorias X e Y y se conocen la
media y desviacin
estandar de cada una.
X Mx Tx
Y My Ty
Mxy = Mx + My
un proceso de fabricacin que tiene 3 pasos tiene un tiempo promedio para el prime
r paso de 15 min
para el segundo 25 minutos y el 3ro 30 minutos, las desviaciones estandar respe
ctivas son 3,4,5
minutos, determinar la media la variancia total. respuesta 17
el 10 porciento de los autos usados de un lote tiene problemas con el sistema el
ectrico, si hay 82
autos en el lote cual es el nmero esperado de autos del lote que tiene problemas
con el SE
8.2
el numero de llamadas telefonicas que se registran en un conmutador, y sus respe
ctivas en un intervalo
de 3 minutos, se ilustra como sigue en una tabla
n de llamadas
frecuencia
relativa

0
0,60

1
0,20

2
0,10

3
0,04

4
0,03

5
0,03

0,79 casi una llamada

una compaia esta trabajando en 4 proyectos independientes A, B, C y D, con utilid
ades esperadas
de 4k 5k 10k y 20k pesos y con desviaciones estandard de 100 300 200 y 400 respe
ctivamente
determinarla utilidad esperada total de esos 4 proyectos y la DA de dicho total

M. a+b+c+d= 39k
T. a+b+c+d= 547.7225575k
DISTRIBUCIONES PROBABILISTICAS
es una distribucion de frecuencias relativa, respecto a resultados del espacio m
uestral, seala
la proporcin de veces, en que la variable aleatoria, tiende a adoptar diversos va
lores
la variable aleatoria va a ser el nmero de caras al tirar 2 veces una moneda
RESULTADOS
tirar 2
veces
cruz, cruz

VARIABLE ALEATORIA
o 2 caras

PROBABILIDADES
1/2 * 1/2 = 1/4 = 0,25

1 cara

1/2 * 1/2 = 1/4 = 0,25

cruz cara

1 cara

1/2 * 1/2 = 1/4 = 0,25

cara cara

2 caras

1/2 * 1/2 = 1/4 = 0,25

---1,00

}0,50

DISTRIBUCIONES DISCONTINUAS
ANEXO 1A
comprenden variables aleatorias para el conteo de las 2 como el numero de
acontecimientos pro muestra o cantidad de ocurrencias por periodo de tiempo
DISTRIBUCION BINOMIAL
se utiliza para designar situaciones en los que los resultados de una variable
aleatoria se pueden agrupar en dos clases o categorias, por lo tanto los datos
son nominales, las categorias deben ser mutuamente excluyentes colexctivamente
exhaustivas de manera que es evidente a que clase pertenece una observacion
y no es posible obtener ningun otro resultado
por ej
las respuestas a un examen pueden ser verdadero o falso, los productos pueden se
r
defectuosos o satisactorios
las variables con resultados multiples se pueden tratar como binomiales
si tenemos una urna, con bolitas de distintos colores y queremos sacar verde
la variable puede ser verde o no verde, para utilizar una distribucion binomial
se tienen que satisfacer los siguientes supuestos
1existen n observaciones o ensayos identicos
2cada ensayos tienen dos resultados posibles, exito o fracaso
3las posibilidades de exitos y fracaso que llamamos 1-p
4los resultados de los ensayos son independientes entre si
hay 2 metodos
que este distribuida binomialmente
formula binomial
tabla binomial
N= numero de ensayos
x= numero de exitos

p= probabilidad de exitos en cada ensayo

si la probabilidad P era 0,80 (P=0,80) y la P de exito x=0,20
probabilidad de tener 3 x y un fracaso en 4 observaciones
EEEF
EEFE
EFEE
FEEE

0,80
0,80
0,80
0,80

X
X
X
X

0,80
0,80
0,80
0,80

X
X
X
X

0,80
0,80
0,80
0,80

X
X
X
X

0,20
0,20
0,20
0,20

=
=
=
=

0,1024
0,1024
0,1024
0,1024
-----0,4096

4X (0,80)^3 X (0,20)^1
P (X=3) = 4/3 (0,80)^3 X (0,20)^1 4!/3!X(4-3!)
la formula de la probabilidad de x ser igual al numero de observaciones
tomados por el numero de exitos a la x 1-P x la cantidad de fracasos que es 1-x
p(x) = (x) p^x x (1-p) ^n-x
PROBLEMA
una empresa que fabrica mesas de billar sospecha que el 2 por ciento de su produ
ccion
esta defectuosa en alguna forma, si esta sospecha es correcta encuentre la proba
bilidad
de que en una muestra de 9 mesas
A) halla por por lo menos una defectuosa
B) no haya mesas defectuosas
N = 9
P defec = 2
P buenas = 98
probabilidad de que no haya ninguna defectuosa
p(x=0)= (9/0) x 0,02 x 0,98 ^ 9 = 9!/0! (9-0)! x 0,02 x 0,98
De los alumnos de una universidad, el 41 porciento fuman, se eligen 6 alumnos pa
ra conocer
sus opiniones sobre el cigarrillo
A)Encuentre la probabilidad de que ninguno de ellos fume
B) la probabilidad de que todos fumen
C) la probabilidad de que por lo menos la mitad de los 6 fumen
TABLA BINOMIALES INDIVIDUALES
son utiles para calcular, la probabilidad conociendo N (numero de observaciones)
P (prob de exito)
y x (cant de exitos)
TABLA BINOMIAL ACUMULATIVA
Cuando se requiere la probabilidad combinada de un grupo de resultados por ejemp

lo obtener 5 o menos
caras en 10 tiradas de monedas
si utilizamos las tablas individuales sera
la probab de 0 mas la prob de 1 mas la prob 2 de 3 de 4 de 5
se pueden utilizar las tablas acumulativas, son iguales que las individuales per
o toma x o menor
tambin se puede utilizar la tabla acumulativa para calcular las probabilidades in
dividuales
p (x=4) = p (x<=4)-p(x<=3)
ejemplos
Caracteristicas de distribuciones binomiales
el numero de ensayos siempre deber ser un nmero entero, tambin se puede utilizar co
mo porcentaje
el nmero de exitos, por ejemplo, 2 exitos en 10 observaciones equivale al 20 porc
iento o 0,20
la media de una distribucin binomial es el promedio a largo plazo o el valor espe
rado de una
variable aleatoria binomial, la desviacin estandar indica el grado en que los val
ores muestrales
tenderan a variar a partir de la media, tanto la media como la desviacin estandar
se pueden expresar
en nmero o porcentaje de exitos
anexo A
por ejemplo
si la probabilidad de exito es 0,10 y el numero de observaciones es 10
la media sera nxp = 0,10 x 100 = 10
y la desviacin estandar
distribucion de poisson
es util para describir las probabilidades del nmero de acontecimientos con respec
to a un campo
o interbalo continuo de tiempo o espacio, por ejemplo, defectos x centimetro cua
drado, accidentes
por da, clientes por hora, llamadas telefnicas por minutos, cabezas de ganado por
hectrea.
la unidad de medicin es continua, pero la varible aleatoria (el nmero de acontecim
ientos es discreta)
es imposible contar las fallas o fracasos que no ocurrieron, el uso de la distri
bucin de poisson
supone lo siguiente
caracteristicas
1- la probabilidad de una ocurrencia, es la misma a travs de todo el campo de obs
ervacin
2- la probabilidad de mas de una ocurrencia, en cualquier punto nico es aprox 0
3- el nmero de ocurrencias en cualquier intervalo es independiente del nmero de oc
urrencias
en cualquier otro intervalo.
el limite inferior del numero de ocurrencias es 0 y el superior es infinito. La
distribucin
de poisson se puede describir con un solo parmetro, la media, conociendo la media

se puede
determinar la probabilidad de cualquier otro resultado posible. La media es igua
l a la variancia
en cualquier distribucin de poisson, las probabilidades se pueden determinar por
frmula
o por tablas
mediante un proceso mecanico se producen alfombras de lana que presentan un prom
edio de 2
defectos por metro cuadrado. encuentra la probabilidad de que en un metro cuadra
do de que
exactamente en un metro cuadra.
que no arribe ninguno
que arriben 3
TABLAS
En las tablas individuales figura mu arriba y x al costado, en la acumulativa mu
estra la probabilidad
de x o menos
utilizando las tablas de poisson
a una construccion llegan camiones de carga a razn media de 2,8 camiones por hora
obtenga la probabilidad de tener 3 o mas camiones que lleguen en:
A-lapso de 30 minutos
B- lapso de una hora
C- un lapso de 2 hs
DISTRIBUCIONES PROBABILISTICAS CONTINUAS
cuando una variable discreta tiene muchos resultados posibles o cuando la variab
le es
continua, no se pueden utilizar las distribuciones discretas como la binomial o
la de poisson
la probabilidad de que la flecha se detenga en un punto determinado es prcticamen
te 0
la probabilidad que se detenga entre 3 y 4 es 3/8 , en el caso de una variable a
leatoria
continua se determina la probabilidad al obtener el porcentaje de rea entre 2 val
ores
distribucion uniforme
cuando una variable aleatoria toma cualquier valor en una escala continua entre
2 puntos
de tal forma que ningun valor sea mas probable que otros. la probabilidad asocia
da se puede
describir con una distribucion uniforme, graficamente se representa con un recta
ngulo
limitado por los puntos a y b que constituyen el intervalo de resultados posible
s,
la altura del rectangulo es igual a 1 y el area es el 100% el area bajo el recta
ngulo c y d
es = al porcentaje total
formula

p(c<=x<=d) = d-c/b-a
un vendedor llama a las oficina centrales las 3 y 4 de la tarde y en ningun mome
nto de ese
lapso hay mas probabilidad de que el vendedor llame, el tiempo se mide en una es
cala continua
la probabilidad de que se registre una llamada entre dos putos cualquiera en el
tiempo, es
la razn de ese tiempo al intervalo de 1 hora
la probabilidad que ocurra entre las 3 y las 3:15 es = a 15/60 = 25%
la media de la distribucin uniforme es igual a A+B/2
y la variancia es = (B-A)
las venta de combustible en una estacin de servicio tienen una media de 40000 lit
ros por dia
y un minimo de 30k por dia, suponga que una distribucin uniforme es la apropiada
A determine las ventas maximas diarias,
B que porcentaje de dias las ventas exederan los 34k litros
DISTRIBUCION NORMAL
esta distribucion es importante porque muchas distribuciones naturales y fsicas c
oinciden con l
CARACTERISTICAS DE DISTRIBUCIONES NORMALES
la grafica se asemejaa una campana, es suave y simetrica con respecto a su medio
, se extiende al
infinito en ambas direcciones se acerca mas al eje horizontal a medida que aume
nta la distancia
con respecto a la media, pero nunca lo toca, una distribucin normal se especifica
por 2 parmentros
la media y la desviacin standard, existe una distribucin nica para cada combinacin d
e una media
y una desviacin standart, el rea total bajo cualquier curva normal representa el 1
00% de la probabilidad
relacionada con dicha variable, la probabilidad de obtener un valor menor que la
media es = al 50%
la probabilidad de predecir con exactitud cualquier valor (es 0 1punto/infinito)
la probabilidad que una variable tome un valor entre dos puntos es igual al rea b
ajo la curva normal
entre dos puntos, el area bajo la curva entre cualquier punto y la media es func
in solo del
nmero de desviaciones estandar que el punto dista de la media de esta manera se c
alculan las
probabilidades en una curva normal, en todas las distribuciones normales se cump
le que alrrededor
del 68% de sus valores quedan dentro de una desviacin estandar de la media
consideremos una distribucin normal con media 100 y desviacin estandar 10
este procedimiento se puede resumir en lo siguiente, convertir la diferencia rea
l entre la media
y algn otro valor de distribucin a una diferencia relativa, expresando dicha difer
encia en
trminos del nmero de desviaciones estandar de la media, aljebraicamente se puede e

xpresar como sigue

Z = X - mu/sigma
Z = numero de desviaciones estandar con respecto a la media
X = el valor que nos interesa medir
mu = es la media de la distribucin normal
sigma = la desviacin estandar
DISTRIBUCIN NORMAL
hay dos parametros que la caracterizan, la media y la variacia
z = el numero de desviaciones standard a partir de la media
x= valor que nos interesa
mu = es la media de la distribucion normal
sigma = la desviacion standad
la ventaja de trabajar con valores relativos es que, en lugar de trabajar con in
finitas cuarvas
normales, se puede utilizar una sola para todos los valores
es posible convertir cualquier valor de cualquier distribucin normal en un valor
de Z
esto permite calcular la probabilidad con una tabla nica estandarizada
TABLA NORMAL ESTANDAR
las reas bajo la curva para cualquier distribucin normal se pueden encontrar utili
zando
una tabla normal estandar y cambiando a unidades estandar la escala de unidades
reales
la media de la distribucin sirve como punto de referencia y la desviacion estanda
r como la unidad
que mide distancias relativas a partir de la media.
la tabla muestra el rea bajo la curva, es decir, la probabilidad de que un valor
quede en ese
intervalo entre la media, y los valores de x, la media de la distribucin en la es
cala relativa
es 0 porque est a 0 desviaciones de si misma
como la distribucin es simtrica dentro de la media, la tabla proporsiona solo la m
itad de la
distribucin, para cada parte del lado izquierdo existe un segmento del lado derec
ho,
las desviaciones negativas se consideran positivas
en la tabla los valores de Z se presentan en 2 partes, el entero y primer decima
l a la izquierda
y hacia abajo y el ltimo dgito en la parte superior
ejemplo: obtener el rea entre la media y Z cuando Z es = a 1,25
0.3944 es el rea entre la media y Z cuando z el igual a 1.25
esta es la probabilidad de encontrar un punto entre la media y Z (39,4%)
para obtener la probabilidad de mayor que Z se le resta el valor de la tabla
si la probabilidad solicitada no es a partir de la media se calcula la diferenci

a entre las dos

reas
encuentre los valores de z que produciran las sgtes reas
A- el rea a la izquierda de z es 0,0505
una distribucion normal tiene una media de 50 y una desviacion estandar de 5, qu
e porcentaje de la
poblacion de valores se encuentra en estos intervalos
`
A- de 40 a 50
B- de 49 a 50
C- de 40 a 45