FRECUENCIA RELATIVA

La frecuencia relativa de una clase es igual a la parte o proporcin de los

elementos que pertenecen a cada clase. En un conjunto de datos, en el que
hay n observaciones, la frecuencia relativa de cada clase se determina como
sigue:
FRECUENCIA RELATIVA = FRECUENCIA ABSOLUTA DE LA CLASE
N

Refresco
Coca cola
Fanta
Limn de soda
Pepsi
Sprite
Total

FRECUENCIA DE LAS VENTAS DE REFRESCO

Frecuencia
Frecuencia RELATIVA
19
0,38
8
0,16
5
0,1
13
0,26
5
0,1
50

Ancho aproximada de clase = Valor mayor en los datos - Valor menor en los datos Ec. 1
Nmero de clase
El ancho aproximado de clase que se obtiene con la ecuacin (2.2) se redondea a
un valor ms adecuado de acuerdo con las preferencias de la persona que
elabora la distribucin de frecuencia.
Por ejemplo, si el ancho de clase aproximado es 9.28, se redondea a 10 porque 10
es un ancho de clase ms adecuado para la presentacin de la distribucin de la
frecuencia.
En los datos de una encuesta sobre las edades de una poblacin, se tiene que la
mayor mayor en los datos es 33 y el valor menor es 12. Como se ha decidido
resumir los datos en cinco clases, empleando
la ecuacin (1) el ancho aproximado de clase que se obtiene es (33- 12)/5 4.2. Por
tanto, al redondear, en la distribucin de frecuencia se usa como ancho de clase
cinco das.

La probabilidad
La probabilidad es una medida numrica de la posibilidad de que ocurra un evento. Por tanto,
las probabilidades son una medida del grado de incertidumbre asociado con cada uno de los
eventos previamente enunciados. Si cuenta con las probabilidades, tiene la capacidad de determinar
la posibilidad de ocurrencia que tiene cada evento.

Los valores de probabilidad se encuentran en una escala de 0 a 1. Los valores cercanos a 0

indican que las posibilidades de que ocurra un evento son muy pocas. Los cercanos a 1 indican
que es casi seguro que ocurra un evento. Otras probabilidades entre cero y uno representan distintos
grados de posibilidad de que ocurra un evento. Por ejemplo, si considera el evento que
llueva maana, se entiende que si el pronstico del tiempo dice la probabilidad de que llueva
es cercana a cero, implica que casi no hay posibilidades de que llueva. En cambio, si informan
que la probabilidad de que llueva es 0,90, sabe que es muy posible que llueva. La probabilidad
de 0,50 indica que es igual de posible que llueva como que no llueva. En la figura 4.1 se presenta
la probabilidad como una medida numrica de la posibilidad de que ocurra un evento.

Experimento de lanzar una moneda .

La cara de la moneda que caiga hacia arriba cara o cruz determina el resultado experimental
(puntos muestrales). Si denota con S el espacio muestral, puede emplear la notacin siguiente para
describir el espacio muestral.
S {Cara, cruz }
En el segundo experimento
tomar una pieza para revisarla puede describir el espacio muestral como sigue:
S {Defectuosa, no defectuosa}
Experimento de lanzar un Dado
Los dos experimentos descritos tienen dos resultados experimentales (puntos muestrales).
Pero, observe ahora el tercer experimento enumerado de lanzar un dado. Los resultados
experimentales, definidos por el nmero de puntos del dado en la cara que cae hacia arriba, son
los seis puntos del espacio muestral de este experimento.

S {1, 2, 3, 4, 5, 6}

Cuarto experimento

Lanzar dos monedas simultneamente, los resultados experimentales nos

da un estado muestral de:
S {(H, H), (H, T), (T, H), (T, T)}.

REGLA DE CONTEO PARA EXPERIMENTOS DE PASOS MLTIPLES

Un experimento se describe como una sucesin de k pasos en los que hay
n1 resultados posibles en el primer paso, n2 resultados posibles en el
segundo paso y as en lo sucesivo, entonces el nmero total de resultados
experimentales es (n1) (n2) . . . (nk).

Si considera el experimento del lanzamiento de dos monedas como la

sucesin de lanzar primero una moneda (n1 2) y despus lanzar la otra (n2
2), siguiendo la regla de conteo (2)(2) =4, entonces hay cuatro resultados
distintos. Como ya se mostr, estos resultados son :
S {(H, H),(H, T), (T, H), (T, T)}.
El nmero de resultados experimentales de seis monedas es (2)(2)(2)
(2)(2)(2) = 64.

EVENTO.-

Un evento es una coleccin de puntos muestrales

Probabilidad de un evento o suceso

Si un experimento se repite n veces bajo las mismas condiciones, la probabilidad

de que el Evento A ocurra se denomina por P(A) y corresponde a un valor
comprendido entre 0 y 1.
Evento equiprobables
Si en un experimento aleatorio los sucesos tienen la misma probabilidad de
ocurrir, se dice que los sucesos son equiprobables.

Regla de Laplace
Si en un experimento aleatorio los sucesos son equiprobables,
entonces , la probabilidad de que el evento A ocurra est dado por la
expresin:
P(A) = numero de casos favorables al suceso A
nmero de casos posibles

Es decir;
PROBABILIDAD DE UN EVENTO ( P(A) )
La probabilidad de cualquier evento es igual a la suma de las probabilidades de
los puntos muestrales de los casos favorables que forman el evento, dividido
por el total de casos posibles.

Ejemplos
1.-La persona que toma las decisiones asigna las probabilidades siguientes a los
cuatro resultados de un experimento: P(E1)= 0.10, P(E2)= 0.15, P(E3) = 0.40 y
P(E4) = 0.20. Son vlidas estas asignaciones de probabilidades? Argumente.
Solucin

2.- Para un experimento hay cuatro resultados que son igualmente posibles:
E1, E2, E3 y E4.
a. Cul es la probabilidad de que ocurra E2?
b. De que ocurra cualquiera de dos resultados (por ejemplo, E1 o E2)?
c. De que ocurran tres de estos resultados (E1 o E2 o E4)?
Solucin

Ley de la adicin
La ley de la adicin sirve para determinar la probabilidad de que ocurra por lo
menos uno de dos eventos. Es decir, si A y B son eventos, nos interesa hallar
la probabilidad de que ocurra el evento A o el B o ambos. (A o B)
Antes de presentar la ley de la adicin es necesario ver dos conceptos
relacionados con la combinacin de eventos

Observacin importante, es distinto A o B

A y B; como veremos ms adelante

3.- Considere el experimento que consiste en lanzar un par de dados.

Suponga que lo relevante es la suma de los puntos en las dos caras que
caen hacia arriba.
a. Cuntos puntos muestrales habr? (Sugerencia: Use la regla de
conteo para experimentos de pasos mltiples.)
b. Enumere los puntos muestrales.
c. Cul es la probabilidad de obtener un 7?
d. De obtener un 9 o un nmero mayor?
e. Como en cada lanzamiento son factibles seis valores pares (2, 4, 6, 8,
10, y 12) y slo cinco impares (3, 5, 7, 9 y 11), se tendrn ms veces
resultados pares que impares. Est de acuerdo? Explique.
f. Qu mtodo us para calcular las probabilidades pedidas?

Ejemplo
Se lanzan 2 dados, uno rojo y otro verde. Interesa observar el producto del
puntaje obtenido en los dados, es decir,
A: producto del puntaje de los dados.
Solucin
a.- Usando la REGLA DE CONTEO PARA
EXPERIMENTOS DE PASOS MLTIPLES

b.
A: producto del puntaje de los dados.-

Dos Dados, cada uno con 6 casos posibles, por lo tanto,

tenemos que el total de caso posible es (6)(6) = 36
P(A) = numero de casos favorables al suceso A
nmero de casos posibles
c.- caso posible o favorable es 6; Total de caso 36

P(7) = 6/36 = 1/6= 0,166666

d.- P(9 o Superior) = 10/ 36 = 0,2777
e.- No; P(impar) =P(par)
f.- Clsica

1
2
3
4
5
6

2
3
4
5
6
7

3
4
5
6
7
8

4
5
6
7
8
9

5
6
7
8
9
10

6
7
8
9
10
11

7
8
9
10
11
12

Complemento de un evento
Dado un evento A, el complemento de A se define como el evento que consta de
todos los puntos muestrales que no estn en A. El complemento de A se denota Ac.
se le llama diagrama de Venn e ilustra el concepto del complemento. El rea
rectangular representa el espacio muestral del experimento y, por tanto, contiene
todos los puntos muestrales.
El crculo representa el evento A y encierra slo los puntos muestrales que pertenecen
a A.
La regin del rectngulo que aparece en blanco, incluye todos los puntos muestrales
que no estn en el evento A y es, por definicin, el complemento de A.
En cualquier aplicacin de la probabilidad ocurre un evento A o su complemento Ac.
Por tanto,
P(A) + P(Ac) = 1

La ecuacin anterior indica que la probabilidad de un evento A se puede

calcular si se conoce la probabilidad de su complemento, P(Ac).
Por ejemplo, considere el caso de un administrador de ventas que, despus de
revisar los informes de ventas, encuentra que 80% de los contactos con
clientes nuevos no producen ninguna venta. Si A denota el evento hubo venta
y Ac el evento no hubo venta, el administrador tiene que P(Ac) 0.80. Mediante
la ecuacin (4.5) se ve que
P(A) 1 P(Ac) = 1 0.80 = 0.20
La conclusin es que la probabilidad de una venta en el contacto con un
cliente nuevo es 0.20.
Otro ejemplo, un gerente de compras encuentra que la probabilidad de que el
proveedor surta un pedido sin piezas defectuosas es 0.90, empleando el
complemento podemos concluir que la probabilidad de que el pedido
contenga piezas defectuosas es de 1 0.90 = 0.10.

Ley de la adicin
la union y la interseccion de eventos. Dados dos
eventos, A y B, la unin de A y B se define como:

El diagrama de Venn de la figura representa la unin de los eventos A y B. Observe

que en los dos crculos estn contenidos todos los puntos muestrales del evento A y
todos los puntos muestrales del evento B. El que los crculos se traslapen indica que
algunos puntos muestrales estn contenidos tanto en A como en B.

Observe que en la ley de la adicin, los dos primeros trminos P(A) P(B), corresponden a
los puntos muestrales en A y B. Pero, como los puntos muestrales que se encuentran en
la interseccin A B estn tanto en A como en B, cuando se calcula P(A) + P(B), los
puntos que se encuentran en A B cuentan dos veces. Esto se corrige restando P(A B).

EJEMPLO
considere el caso de una pequea empresa de ensamble en
la que hay 50 empleados. Se espera que todos los
trabajadores terminen su trabajo a tiempo y que pase la
inspeccin final. A veces, alguno de los empleados no
satisface el estndar de desempeo, ya sea porque no
termina a tiempo su trabajo o porque no ensambla bien
una pieza. Al final del periodo de evaluacin del
desempeo, el jefe de produccin encuentra que 5 de los
50 trabajadores no terminarn su trabajo a tiempo, 6 de
los 50 trabajadores ensamblaron mal una pieza y 2 de los
50 trabajadores no terminarn su trabajo a tiempo y
armaron mal una pieza

L : el evento no se termin el trabajo a tiempo

D : el evento se arm mal la pieza

P(L) = 5/50 = 0,10

P(D) = 6/50 = 0,12
P(L D) =2/50 = 0,04
Despus de analizar los datos del desempeo, el jefe de produccin decide
dar una calificacin baja al desempeo de los trabajadores que no
terminaron a tiempo su trabajo o que armaron mal alguna pieza; por
tanto, el evento de inters es L U D. Cul es la probabilidad de que el jefe
de produccin d a un trabajador una calificacin baja de desempeo?
Observe que esta pregunta sobre probabilidad se refiere a la unin de dos
eventos. En concreto, se desea hallar P(L UD), usando la ecuacin (4.6) se
tiene

Estadstica inferencial
La inferencia estadstica tiene como objetivo inferir o deducir caracterstica
de una poblacin a partir de una pequea parte de ella, conocida como
muestra . Si los elementos de la muestra reflejan lo que ocurre en la
poblacin, se dice que la muestra es representativa. En este caso , la las
conclusiones pueden generalizarse al conjunto del universo
Muestra aleatorias
En el muestreo probabilstico o azar, todo elemento de la poblacin tiene
una determinada probabilidad de integrar la muestra, y esa probabilidad
puede ser calculada con precisin
Muestreo aleatorio
Consiste en n elementos en una poblacin de tamao N, de forma que
todas las muestras tiene la misma probabilidad de ser escogidos

Existen dos tipos de muestreo aleatoria:

Sin reposicin: los elementos extrados se descartan para la siguiente
extraccin.
Con reposicin: el muestreo se realiza con reemplazo de los individuos, de
forma que cada observacin es independiente de la anterior. Este tipo de
muestreo se conoce como muestra aleatoria sistemtica (m.a.s.)
Muestreo aleatorio sistemtico