You are on page 1of 29

Ingeniería Diseño gráfico y Digital

Portafolio De evidencias
Ángel Miguel Cervantes Cañedo
Ingeniería en Diseño Grafico & Digital

Autores: Ángel Miguel Cervantes Cañedo


Materia: Probabilidad y estadística
Ingeniería: Diseño Gráfico & Digital
Fecha de entrega: Hermosillo, Sonora 8 de Mayo del 2018

Universidad Kino
Ingeniería en Diseño
gráfico & digital
Mayo 2018
Probabilidad y estadística

Propósito del Portafolio

Un portafolio de evidencias es un instrumento que se encarga de recopilar


la información, conocimientos, habilidades y capacidades del individuo.
En la realización de este portafolio de evidencias se espera plasmar el
aprendizaje adquirido a lo largo del curso. En la nueva era de la educación
basada en normas de competencias el portafolio de evidencias juega un
papel fundamental para tener una evidencia visual.

En el curso de Probabilidad y estadística se elabora un portafolio de


evidencias con el propósito de plasmar de manera visual todo lo
aprendido en este curso y resaltar que el trabajo en equipo es uno de los
factores más importantes para la eficiencia y el buen desempeño. La
importancia de un portafolio de evidencias es sin duda alguna, facilitar la
apreciación de los documentos, la flexibilidad y dinamismo que
caracterizan la herramienta en función de la diversidad de situaciones y
temáticas en las que se utiliza, permiten precisar en cada situación de
uso el énfasis específico atribuido en la misma al portafolio.
El portafolio es una evidencia de los procesos de autorreflexión del
estudiante.

1
Probabilidad y estadística

Índice

Propósito del Portafolio_______________________________1


Indice____________________________________________2

Unidad l.-Técnicas de Conteo__________________________3


Tema 1.1.-Principio aditivo___________________________4
Tema 1.2.-Principio multiplicativo______________________4
Tema 1.3.-Notacion Factorial________________________5
Tema 1.4.-Notacion Permutaciones___________________5
Tema 1.5.- Combinaciones. _________________________5
Tema 1.6.- Diagrama de árbol._______________________7

Unidad ll. Conceptos básicos de probabilidad.____________11


Tema 2.1.- Definiciones____________________________12
Tema 2.2.- Axiomas fundamentales de probabilidad______13

Unidad lll. Distribuciones de probabilidad.________________14


Tema 3.1.- Distribuciones de probabilidad Discretas._____15
Tema 3.2.-Distribuciones de probabilidad continuas._____16

Unidad lV.-Estadística Descriptiva._____________________17


Tema 4.1.- Conceptos._____________________________18
Tema 4.2.- Distribuciones de frecuencias_______________19
Tema 4.3.- Medidas de tendencia central y dispercion_____20

Unidad V.- Estadística aplicada._______________________21


Tema 5.1.- Inferencia estadística_____________________22
Tema 5.2.- Estimación puntual y por intervalos.__________23
Tema 5.3.- Regresión y Correlacion___________________24

2
Probabilidad y estadística

Unidad l. -
Técnicas de Conteo

3
Probabilidad y estadística

Tema 1.1 Principio


Aditivo
Tema 1.2 Principio
Multiplicativo
Introducción:
El principio aditivo se refiere a las formas que ese evento puede ser realizado…
El principio multiplicativo, junto con el principio aditivo, permiten resolver problemas
que consisten en calcular cuantas agrupaciones que cumplan con ciertas condiciones
que se puedan formar, a partir de ciertos elementos dados.

4
Probabilidad y estadística

Tema 1.3 Notación


Factorial
Tema 1.4
Permutaciones
Tema 1.5
Combinaciones
Introducción:
La factorial de un entero positivo n, la factorial de n o n factorial se define en principio como el
producto de todos los números enteros positivos desde 1 (es decir, los números naturales)
hasta n.
permutación es la variación del orden o de la disposición de los elementos de un conjunto
ordenado o una tupla sin elementos repetidos.
Combinación en estadística, Técnica de conteo que permite calcular el número de arreglos
que pueden realizarse con todos o con una parte de los elementos de un solo conjunto, en
donde no interesa el orden de los elementos.

5
Probabilidad y estadística

Factorial
La factorial de un entero positivo n, la factorial de n o n factorial se define en
principio como el producto de todos los números enteros positivos desde 1 (es decir,
los números naturales) hasta n. Por ejemplo:

La operación de factorial aparece en muchas áreas de las matemáticas,


particularmente en combinatoria y análisis matemático. De manera fundamental la
factorial de n representa el número de formas distintas de ordenar n objetos distintos
(elementos sin repetición). Este hecho ha sido conocido desde hace varios siglos,
en el siglo XII por los estudiosos hindúes.

La definición de la función factorial también se puede extender a números no


naturales manteniendo sus propiedades fundamentales, pero se requieren
matemáticas avanzadas, particularmente del análisis matemático.

La notación matemática actual n! fue usada por primera vez en 18081 por Christian
Kramp (1760–1826), un matemático francés que trabajó en especial sobre los
factoriales toda su vida.

¿Qué pasa con "0!"?

La factorial de cero es interesante... se suele estar de acuerdo en que=

0! = 1.

Parece raro que no multiplicar ningún número dé 1, pero ayuda a simplificar muchas
cuestiones.

6
Probabilidad y estadística

Tema 1.6
Diagrama de Árbol

Introducción:
Un diagrama de árbol o árbol de probabilidad es una herramienta que se utiliza para
determinar si en realidad en el cálculo de muchas probabilidades se requiere conocer el
número de objetos que forman parte del espacio muestral, estos se pueden determinar con la
construcción de un diagrama de árbol

7
Probabilidad y estadística

Diagrama de árbol

Los diagramas en árbol son especialmente útiles para resolver problemas con
experimentos compuestos, es decir, aquellos donde realizamos más de un
experimento aleatorio. Algunos ejemplos de experimentos compuestos son: tirar dos
monedas al aire, y mirar si salen dos caras, contar si hay dos mujeres de entre tres
hijos, sacar dos bolas de una urna, y mirar si hay una roja y una azul.

Supongamos el siguiente problema:

Una universidad está formada por tres facultades:

 La 1ª con el 50% de estudiantes.


 La 2ª con el 25% de estudiantes.
 La 3ª con el 25% de estudiantes.
Las mujeres están repartidas uniformemente, siendo un 60% del total en cada
facultad.

¿Probabilidad de encontrar una alumna de la primera facultad?

8
Probabilidad y estadística

Unidad ll. -
Conceptos Básicos De
Probabilidad

9
Probabilidad y estadística

Tema 2.1
Definiciones

Introducción:
Introducir los conceptos básicos de experimentos y sucesos, y la definición axiomática y
propiedades de la probabilidad.

10
Probabilidad y estadística

Tema 2.2
Axiomas
fundamentales de
probabilidad

Introducción:
Los axiomas de probabilidad son las condiciones mínimas que deben verificarse para que
una función definida sobre un conjunto de sucesos determine consistentemente
sus probabilidades.

11
Probabilidad y estadística

Axiomas fundamentales de
probabilidad
Los axiomas de probabilidad son las condiciones mínimas que deben verificarse
para que una función definida sobre un conjunto de sucesos determine
consistentemente sus probabilidades. Fueron formulados por Kolmogórov en 1933.

Dado un conjunto de sucesos elementales, Ω, sobre el que se ha definida una σ-


álgebra (léase sigma-álgebra) σ de subconjuntos de Ω y una función P que asigna
valores reales a los miembros de σ, a los que denominamos "sucesos", se dice que
P es una probabilidad sobre (Ω,σ) si se cumplen los siguientes tres axiomas.
Una ley de probabilidad, o distribución de probabilidad, es una función que a un

evento asocia un número , su probabilidad. Este número traduce la


oportunidad que tiene el evento de producirse. La forma más intuitiva de definir una
tal función es repetir el experimento aleatorio y asociar a cada evento su frecuencia

experimental. . Si es el número de experimentos, el número de veces que se

produce el evento , la frecuencia experimental de es la razón . Aquí


tenemos, como ejemplo, repeticiones de un experimento cuyas eventualidades
son 0, y .
A1

Para todo evento , .


A2

La probabilidad del evento cierto es : .


A3

Si es una sucesión de eventos disjuntos dos a dos ( y no

pueden suceder a la vez si ), entonces:

12
Probabilidad y estadística

Unidad lll. -
Distribuciones de
probabilidad

13
Probabilidad y estadística

Tema 3.1
Distribuciones de
probabilidad Discretas

Introducción:
Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una variable
aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que tiene valores
contables, tales como una lista de enteros no negativos.

14
Probabilidad y estadística

Tema 3.2
Distribuciones de
probabilidad Continuas

Introducción:
Una distribución continua describe las probabilidades de los posibles valores de una
variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria con un
conjunto de valores posibles (conocido como el rango) que es infinito y no se puede
contar.

15
Probabilidad y estadística

Unidad IV. -
Estadística Descriptiva

16
Probabilidad y estadística

Tema 4.1
Conceptos
Introducción:
Recopilación de conceptos utilizados en la unidad de Estadística Descriptiva

17
Probabilidad y estadística

 Población: Conjunto de individuos o elementos que tienen la propiedad o


característica que se desea estudiar.

 Muestra: Subconjunto representativo de la población.

 Individuo: Cualquier elemento que posea la propiedad o característica que


se desea estudiar.

 Variable estadística: Característica que se desea estudiar. Las distintas


observaciones de la variable constituyen los datos de la investigación.

 Variables cualitativas o atributos: Los datos no toman valores numéricos.

 Variables cuantitativas: Los datos toman valores numéricos.


• Discretas: Los datos toman números enteros.
• Continuas: Los datos pueden tomar cualquier valor real.

 ESTADÍSTICA: “Estudio de los métodos de recogida y descripción de datos,


así como del análisis de esta información”
 Modalidad: “Cada una de las posibilidades o estados diferentes de una
variable estadística”

 Cualitativas: Las características no son cuantificables

 Cuantitativas: Características cuantificables o numéricas

 Continuas: Numéricas no numerables

 Adecuada y válida: Se refiere a que la muestra debe ser obtenida de tal manera
que permita establecer un mínimo de error posible respecto de la población.
Para que una muestra sea fiable, es necesario que su tamaño sea obtenido
mediante procesos matemáticos que eliminen la incidencia del error.

18
Probabilidad y estadística

Tema 4.2
Distribución de
Frecuencias
Introducción:
La distribución de frecuencias agrupadas o tabla con datos agrupados se emplea si
las variables toman un número grande de valores o la variable es continua. Se
agrupan los valores en intervalos que tengan la misma amplitud denominados clases.
A cada clase se le asigna su frecuencia correspondiente.

19
Probabilidad y estadística

Distribución de Frecuencias
En estadística, se le llama distribución de frecuencias a la agrupación de datos en categorías
mutuamente excluyentes que indican el número de observaciones en cada categoría.1 Esto
proporciona un valor añadido a la agrupación de datos. La distribución de frecuencias presenta las
observaciones clasificadas de modo que se pueda ver el número existente en cada clase.
Frecuencia completa
La frecuencia completa por su denominación es el número de veces que aparece un determinado
valor en un valor estadístico. Se representa por fila. La suma de la frecuencia completa es igual al
número total de datos, que se representa por N. Para indicar resumidamente estas sumas se utiliza
la letra griega Σ (sigma mayúscula) que se lee sumatoria.
Frecuencia relativa
Se dice que la frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado valor
y el número total de datos. Se puede expresar en tantos por ciento y se representa por h i. La suma
de las frecuencias relativas es igual a 1.
Frecuencia relativa (hi) es el cociente entre la frecuencia absoluta y el tamaño de la muestra (N). Es
decir:

siendo el fi para todo el conjunto i. Se presenta en una tabla o nube de puntos en una
distribución de frecuencias.
Si multiplicamos la frecuencia relativa por 100 obtendremos el porcentaje o tanto por ciento (pi).
Frecuencia acumulada
La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores inferiores o
iguales al valor considerado.
La frecuencia acumulada es la frecuencia estadística F(XXr) con que el valor de un variable aleatoria
(X) es menor que o igual a un valor de referencia (Xr).
La frecuencia acumulada relativa se deja escribir como Fc(X≤Xr), o en breveFc(Xr), y se calcula de:

Fc (Hr) = HXr / N

donde MXr es el número de datos X con un valor menor que o igual a Xr, y N es número total de los
datos. En breve se escribe:

Fc = M / N

Cuando Xr=Xmin, donde Xmin es el valor mínimo observado, se ve que Fc=1/N, porque M=1. Por
otro lado, cuando Xr=Xmax, donde Xmax es el valor máximo observado, se ve que Fc=1, porque
M=N.
En porcentaje la ecuación es:

Fc(%) = 100 M / N

20
Probabilidad y estadística

Tema 4.3
Medidas de tendencia
central y dispersión
Introducción:
Pretenden resumir en un solo valor la dispersión que tiene un conjunto de datos.
Las medidas de dispersión más utilizadas son: Rango de variación, Varianza, Desviación
estándar, Coeficiente de variación. Se define como la diferencia entre el mayor valor de la
variable y el menor valor de la variable.

21
Probabilidad y estadística

Medidas de tendencia central y dispersión


Las medidas de tendencia central son medidas estadísticas que pretenden resumir
en un solo valor a un conjunto de valores. Representan un centro en torno al cual se
encuentra ubicado el conjunto de los datos. Las medidas de tendencia central más
utilizadas son: media, mediana y moda. Las medidas de dispersión en cambio
miden el grado de dispersión de los valores de la variable. Dicho en otros términos
las medidas de dispersión pretenden evaluar en qué medida los datos difieren entre
sí. De esta forma, ambos tipos de medidas usadas en conjunto permiten describir un
conjunto de datos entregando información acerca de su posición y su dispersión.

Los procedimientos para obtener las medidas estadísticas difieren levemente


dependiendo de la forma en que se encuentren los datos. Si los datos se
encuentran ordenados en una tabla estadística diremos que se encuentran
“agrupados” y si los datos no están en una tabla hablaremos de datos “no
agrupados”.

Según este criterio, haremos primero el estudio de las medidas estadísticas para
datos no agrupados y luego para datos agrupados.

Medidas estadísticas en datos no agrupado

Medidas de tendencia central


Promedio o media
La medida de tendencia central más conocida y utilizada es la media aritmética o
promedio aritmético. Se representa por la letra griega µ cuando se trata del
promedio del universo o población y por Ȳ (léase Y barra) cuando se trata del
promedio de la muestra. Es importante destacar que µ es una cantidad fija mientras
que el promedio de la muestra es variable puesto que diferentes muestras extraídas
de la misma población tienden a tener diferentes medias. La media se expresa en la
misma unidad que los datos originales: centímetros, horas, gramos, etc.
Mediana
Otra medida de tendencia central es la mediana. La mediana es el valor de la
variable que ocupa la posición central, cuando los datos se disponen en orden de
magnitud. Es decir, el 50% de las observaciones tiene valores iguales o inferiores a
la mediana y el otro 50% tiene valores iguales o superiores a la mediana.

Si el número de observaciones es par, la mediana corresponde al promedio de los


dos valores centrales. Por ejemplo, en la muestra 3, 9, 11, 15, la mediana es
(9+11)/2=10.
Moda
La moda de una distribución se define como el valor de la variable que más se
repite. En un polígono de frecuencia la moda corresponde al valor de la variable que
está bajo el punto más alto del gráfico. Una muestra puede tener más de una moda.

22
Probabilidad y estadística

Medidas de dispersión
Las medidas de dispersión entregan información sobre la variación de la variable.
Pretenden resumir en un solo valor la dispersión que tiene un conjunto de datos. Las
medidas de dispersión más utilizadas son: Rango de variación, Varianza,
Desviación estándar, Coeficiente de variación.
Rango de variación
Se define como la diferencia entre el mayor valor de la variable y el menor valor de
la variable.
Coeficiente de variación
Es una medida de la dispersión relativa de los datos. Se define como la desviación
estándar de la muestra expresada como porcentaje de la media muestral.

Medidas de tendencia central y de dispersión en datos agrupados


Moda en datos agrupados
Si la variable es de tipo discreto la moda o modo será al valor de la variable (Yi) que
tenga la mayor frecuencia absoluta ( ). En los datos de la tabla 1 el valor de la moda
es 3 ya que este valor de variable corresponde a la mayor frecuencia absoluta =16.

Percentiles
Los percentiles son valores de la variable que dividen la distribución en 100 partes
iguales. De este modo si el percentil 80 (P80) es igual a 35 años de edad, significa
que el 80% de los casos tiene edad igual o inferior a 35 años.

Su procedimiento de cálculo es relativamente simple en datos agrupados sin


intervalos.

23
Probabilidad y estadística

Unidad V. -
Estadística Aplicada

24
Probabilidad y estadística

Tema 5.1
Inferencia estadística
Introducción:
La inferencia estadística es el conjunto de métodos y técnicas que permiten inducir, a partir
de la información empírica proporcionada por una muestra, cual es el comportamiento de una
determinada población con un riesgo de error medible en términos de probabilidad.

25
Probabilidad y estadística

Inferencia estadística
La inferencia estadística es el conjunto de métodos y técnicas que permiten inducir,
a partir de la información empírica proporcionada por una muestra, cual es el
comportamiento de una determinada población con un riesgo de error medible en
términos de probabilidad.

Los métodos paramétricos de la inferencia estadística se pueden dividir, básicamente,


en dos: métodos de estimación de parámetros y métodos de contraste de hipótesis.
Ambos métodos se basan en el conocimiento teórico de la distribución de probabilidad
del estadístico muestral que se utiliza como estimador de un parámetro.

La estimación de parámetros consiste en asignar un valor concreto al parámetro o


parámetros que caracterizan la distribución de probabilidad de la población. Cuando
se estima un parámetro poblacional, aunque el estimador que se utiliza posea todas
las propiedades deseables, se comete un error de estimación que es la diferencia
entre la estimación y el verdadero valor del parámetro. El error de estimación es
desconocido por lo cual es imposible saber en cada caso cual ha sido la magnitud o
el signo del error; para valorar el grado de precisión asociado con una estimación
puntual se parte de dicha estimación para construir un intervalo de confianza. En
síntesis, un intervalo de confianza está formado por un conjunto de valores
numéricos tal que la probabilidad de que éste contenga al verdadero valor del
parámetro puede fijarse tan grande como se quiera. Esta probabilidad se denomina
grado de confianza del intervalo, y la amplitud de éste constituye una medida del
grado de precisión con el que se estima el parámetro.

26
Probabilidad y estadística

Tema 5.2
Estimación puntual y
por intervalos

Introducción:

Una estimación es puntual cuando se usa un solo valor extraído de la muestra para estimar el
parámetro desconocido de la población. Al valor usado se le llama estimador.

A veces es conveniente obtener unos límites entre los cuales se encuentre el parámetro con
un cierto nivel de confianza, en este caso hablamos de estimación por intervalos.

27
Probabilidad y estadística

Tema 5.3
Regresión y
Correlación
Introducción:
El análisis de regresión se desarrolla una ecuación de estimación, es decir, una fórmula
matemática que relaciona las variables conocidas con las desconocidas. Luego de obtener el
patrón de dicha relación, se aplica el análisis de correlación para determinar el grado de
relación que hay entre las variables.

28

You might also like