FACULTAD DE ADMINISTRACION DE EMPRESAS

ESTADSTICA

NOMBRE: LORENA GUERRA CHERREZ MODALIDAD: SEMIPRESENCIAL TUTOR: MBA.JORGE SANTILLAN C.ING.

2014

VARIABLE: ES UN CONJUNTO DE DATOS CON CARACTERISTICAS CUALITATIVAS O CUANTITATIVAS QUE DEFINEN UNA POBLACION. VARIABLE CONTINUA: ES AQUELLA CARACTERISTICAS QUE PUEDE TOMAR CUALQUIER VALOR NUMERICO. VARIABLE DISCRETA: AQUELLA QUE NO PUEDE TOMAR VALORES COMPRENSIBLES ENTRE DOS ENTEROS CONSECUTIVOS. (NO DECIMALES). ESTUDIANTES DE PRIMER NIVEL . DOMINIO: VALOR NUMERICO QUE SE ESTABLECE PARA CADA TIPO DE VARIABLE. FRECUENCIA: NUMERO DE VECES QUE SE REPITE UN MISMO VALOR. AMPLITUD: RECORRIDO DE UNA VARIABLE. INTERVALOS DE CLASE: LO CONFORMAN LOS NUMEROS EXTREMOS Y LOS QUE SE ENCUENTRAN INCLUIDOS DENTRO DE ESTOS. (5-10) LIMITES DE CLASE: NOMINALES Y REALES. LIMITES NOMINALES: VALORES EXTREMOS DEL INTERVALO LIMITES REALES: Li y Ls AL LIMITE REAL INFERIOR SE DISMINUYE EN 0.5 DE LA UNIDAD (Li) AL LIMITE REAL SUPERIOR SE INCREMENTA EN 0.5 DE LA UNIDAD (Ls) ANCHO DE INTERVALO: i= Ls-Li SERIE ESTADISTICA: ESTA CONSTITUIDA POR LAS VARIABLES QUE NO SE REPITEN .

TABLA ESTADISTICA DE FRECUENCIAS = DATOS NO AGRUPADO

SERIE ESTADISTICA DE INTERVALOS = NUMERO DE INTERVALOS

POLIGONO DE FRECUENCIAS =

FRECUENCIA RELATIVA= La frecu en cia re l a tiv a es el co cien te en tre la f re cu en cia

a b so lu ta de u n determ i n ado val or y el n mero to ta l d e da to s .

L a frecu en cia rela t iv a se pu ede expresar en tan tos por c i en to y s e r e pr e s en ta por n i .

TIPOS DE VARIABLES Se le llama variable a aquel elemento de un algoritmo, frmula o proposicin que representa un elemento no especificado de un determinad conjunto. A este conjunto se lo conoce bajo el nombre de universo de la variable y cada uno de sus elementos es un valor de la variable. Existen distintos tipos de variables, algunos de ellos son: INDEPENDIENTE: los valores de este tipo de variables no dependen del de otras, son representadas en el eje de las abscisas y en las funciones con la letra X. DEPENDIENTE: los valores de estas variables, en cambio, son determinados por los que adquieran las otras variables. Se las representa en el eje de las ordenadas y se las representa con la letra Y en las funciones. CUANTITATIVAS: estas variables se expresan por medio de un nmero, lo que permite utilizarlas para operaciones aritmticas. Dentro de estas encontramos dos clases: 1. Continua: este tipo de variables puede adquirir valores existentes entre dos nmeros. 2. Discreta: esta variable no puede adquirir valores intermedios entre dos nmeros, sino aislados. CUALITATIVAS: hace alusin a aquellas cualidades que no se las puede medir numricamente. Dentro de estas variables encontramos dos clases: DISTRIBUCIN DE FRECUENCIAS Las distribuciones de frecuencias son tablas que resumen los datos originales en frecuencias. Los tipos de frecuencia pueden ser: Frecuencia Absoluta (f): Es el nmero de veces que se repite el valor de cada variable. La suma de frecuencias absolutas es siempre al total de datos observados. Frecuencia Relativa (fr): Indica la proporcin con que se repite un valor. Es el cociente entre la frecuencia absoluta y el nmero total de datos. La suma de las frecuencias relativas es siempre 1

Frecuencia Acumulada (fa): Indica el nmero de valores que son menores o iguales que el valor dado. Es la suma de la frecuencia absoluta primera con la segunda, este valor con la tercera, y as sucesivamente. Frecuencia Porcentual (f%): Llamada tambin frecuencia relativa porcentual. Se obtiene multiplicando la frecuencia relativa por 100. La suma de las frecuencias porcentuales es siempre 100%. Se calcula as: Frecuencia Relativa Acumulada (fra) : Es la suma de la frecuencia relativa primera con la segunda, este valor con la tercera, y as sucesivamente. Frecuencia Relativa Acumulada Porcentual (fra%): Indica el nmero de valores que son menores o iguales que el valor dado. Se obtiene multiplicando la frecuencia relativa acumulada por 100. Se calcula as:

REGLAS GENERALES PARA FORMAS DISTRIBUCIONES DE FRECUENCIAS PARA DATOS AGRUPADOS EN INTERVALOS Cuando los datos contienen una gran cantidad de elementos, para facilitar los clculos es necesario agruparlos, a estos grupos se los llama intervalos o clases. Un intervalo es una serie de nmeros incluidos entre dos extremos, as por ejemplo, el intervalo 40 45 est formado por 40, 41, 42, 43, 44 y 45, siendo 40 el lmite inferior, 45 el lmite superior, 39,5 lmite real inferior (lmite inferior disminuido en 5 dcimas) y 40,5 el lmite real superior (lmite superior aumentado en 5 dcimas). Las reglas generales para formas distribuciones de frecuencias para datos agrupados en intervalos son: 1) Rango (R): Tambin se llama recorrido o amplitud total. Es la diferencia entre el valor mayor y el menor de los datos. 2) Nmero de Intervalos de Clase (ni): No debe ser menor de 5 y mayor de 12, ya que un nmero mayor o menor de clases podra oscurecer el comportamiento de los datos. Para calcular el nmero de intervalos se aplica la regla de Sturges: Siendo n el tamao de la muestra. 3) Ancho del Intervalo (i): Se obtiene dividiendo el Rango para el nmero de intervalos

Cuando el valor de i no es exacto, se debe redondear al valor superior ms cercano. Esto altera el valor de rango por lo que es necesario efectuar un ajuste as:

REGLAS GENERALES PARA FORMAR LAS DISTRIBUCIONES DE FRECUENCIA l. Determinar el mayor y el menor entre los datos registrados y as encontrar el rango (diferencia entre el mayor y el menor de los datos). Dividir el rango en un nmero conveniente de intervalos de clase del mismo tamao. Si esto no es posible, utilizar intervalos de clase de diferente tamao o intervalos de clase abiertos. El nmero de intervalos de clase se toma generalmente entre 5 y 20 dependiendo de los datos. Los intervalos de clase se eligen tambin de forma que las marcas de clase o puntos medios coincidan con datos realmente observados. Esto tiende a aminorar el llamado error de agrupamiento, en los anlisis matemticos posteriores. Sin embargo, los lmites reales de clase no coincidirn con los datos observados. Determinar el nmero de observaciones que caen dentro de cada intervalo de clase, es decir, encontrar las frecuencias de clase. Lo mejor para esto es utilizar una hoja de conteo. HISTOGRAMAS Y POLIGONOS DE FRECUENCIA :son dos representaciones grficas de las distribuciones de frecuencia. 1. Un histograma o histograma de frecuencias consiste en una serie de rectngulos que tienen (a) Sus bases sobre un eje horizontal (el eje X) con centros en las marcas de clase y longitud igual al tamao de los intervalos de clase. (b) Superficies proporcionales a las frecuencias de clase. Si los intervalos de clase tienen todo igual tamao, las alturas de los rectngulos son proporcionales a las frecuencias de clase y se acostumbra en tal caso a tomar las alturas numricamente iguales a las frecuencias de clase. Si los intervalos de clase no son de igual tamao, estas alturas debern ser calculadas. 2. Un polgono de frecuencias es un grfico de lnea trazado sobre las marcas de clase. Puede obtenerse uniendo los puntos medios de los techos de los rectngulos en el histograma. El histograma y el polgono de frecuencias correspondiente a la distribucin de frecuencias de las alturas de los estudiantes se muestran en el mismo sistema de ejes en la Fig.1. Se acostumbra a prolongar el polgono con PQ y RS hasta las marcas de clase inferior y superior inmediatas, que corresponderan a la clase de frecuencia cero. En tal caso, la suma de las reas de los rectngulos del histograma es igual al e rea total limitada por el polgono de frecuencias y el eje X.

DISTRIBUCIONES DE FRECUENCIA RELATIVA La frecuencia relativa de una clase es la frecuencia de la clase dividida por el total de frecuencias de todas las clases y se expresa generalmente como porcentaje. Por ejemplo, la frecuencia relativa de la clase 66 - 68 de la Tabla 1 es 42/100 = 42 %. La suma de las frecuencias relativas de todas las clases es evidentemente 1 100 %. Si las frecuencias en la anterior tabla de frecuencias se sustituyen por las correspondientes frecuencias relativas, la tabla resultante se llama distribucin de frecuencias relativas, distribucin porcentual o tabla de frecuencias relativas. Las representaciones grficas de distribuciones de frecuencia relativa pueden obtenerse del histograma o del polgono de frecuencias, sin ms que cambiar la escala vertical de frecuencia a frecuencia relativa, conservndose exactamente el mismo diagrama. Los grficos que resultan se llaman histogramas de frecuencias relativas o histogramas porcentuales y polgonos de frecuencias relativas o polgonos porcentuales,respectivamente. Distribuciones de frecuencia acumulada. Ojivas

TIPOS DE CURVAS DE FRECUENCIA

Las curvas de frecuencia presentan determinadas formas caractersticas que les distinguen como se indica en la Figura 3. (a) Las curvas de frecuencia simtricas o bien formadas se caracterizan por el hecho de que las observaciones que equidistan del mximo central tienen la misma frecuencia. Un ejemplo importante es la curva normal. (b) En las curvas de frecuencia moderadamente asimtricas o sesgadas la cola de la curva a un lado del mximo central es mayor que al otro lado. Si la cola mayor se presenta a la derecha de la curva se dice que sta est sesgada a la derecha o que tiene sesgo positivo, mientras que si ocurre lo contrario se dice que la curva est sesgada a la izquierda o que tiene un sesgo negativo. (c) En las curvas en forma de J o de J invertida, el mximo se presenta en un extremo. (d) Las curvas de frecuencias en forma de U tienen el mximo en ambos extremos. (e) Una curva de frecuencias bimodal tiene dos mximos. (f) Una curva de frecuencias multimodal tiene ms de dos mximos.

MEDIDAS DE TENDENCIA CENTRAL La medidas de centralizacin nos indican en torno a qu valor (centro) se distribuyen los datos. La medidas de centralizacin son:

Moda Mediana Media

Aritmtica

MEDIA ARITMTICA ( ): La media es el valor promedio de la distribucin. La media aritmtica es el valor obtenido al sumar todos los datos y dividir el resultado entre el nmero total de datos y es el smbolo de la media aritmtica. (1) y para datos agrupados en tablas de frecuencias (2).

(1)

(2)

MEDIANA (ME):La mediana es la puntacin de la escala que separa la mitad superior de la distribucin y la inferior, es decir divide la serie de datos en dos partes iguales y es el valor que ocupa el lugar central de todos los datos cuando stos estn ordenados de menor a mayor. La mediana se representa por Me. La mediana se puede hallar slo para variables cuantitativas. CLCULO DE LA MEDIANA 1. Ordenamos los datos de menor a mayor. 2. Si la serie tiene un nmero impar de medidas la mediana es la puntuacin central de la misma. 3. Si la serie tiene un nmero par de puntuaciones la mediana es la media entre las dos puntuaciones centrales. CLCULO DE LA MEDIANA PARA DATOS AGRUPADOS La mediana se encuentra en el intervalo donde la frecuencia acumulada llega hasta la mitad de la suma de las frecuencias absolutas, Es decir tenemos que buscar el intervalo en el que se encuentre .

Moda (Mo): La moda es el valor que ms se repite en una distribucin. La moda es el valor que tiene mayor frecuencia absoluta y se representa por Mo. Se puede hallar la moda para variables cualitativas y cuantitativas. CLCULO DE LA MODA PARA DATOS AGRUPADOS 1. Todos los intervalos tienen la misma amplitud.

2. Los intervalos tienen amplitudes distintas. 3. En primer lugar tenemos que hallar las alturas.

La clase modal es la que tiene mayor altura.

Li :es el lmite inferior de la clase modal. fi :es la frecuencia absoluta de la clase modal. fi--1 :es la frecuencia absoluta inmediatamente inferior a la clase modal. fi-+1 :es la frecuencia absoluta inmediatamente posterior a la clase modal. ai :es la amplitud de la clase.

MEDIDAS DE POSICIN Las medidas de posicin dividen un conjunto de datos en grupos con el mismo nmero de individuos. Para calcular las medidas de posicin es necesario que los datos estn ordenados de menor a mayor.

Las medidas de posicin son: CUARTILES: Los cuartiles dividen la serie de datos en cuatro partes iguales. Los cuartiles son los tres valores de la variable dividen a un conjunto de datos ordenados en cuatro partes iguales. Q1, Q2 y Q3 determinan los valores correspondientes al 25%, al 50% y al 75% de los datos. CLCULO DE LOS CUARTILES 1. Ordenamos los datos de menor a mayor. 2. Buscamos el lugar que ocupa cada cuartil mediante la expresin *Nmero impar de datos : 2, 5, 3, 6, 7, 4, 9 .

* Nmero par de datos: 2, 5, 3, 4, 6, 7, 1, 9

CLCULO DE LOS CUARTILES PARA DATOS AGRUPADOS:

En primer lugar buscamos la clase donde se encuentra frecuencias acumuladas.

, en la tabla de las

Li es el lmite inferior de la clase donde se encuentra el cuartil.

N es la suma de las frecuencias absolutas. Fi-1 es la frecuencia acumulada anterior a la clase del cuartil. ai es la amplitud de la clase.

DECILES: Los deciles dividen la serie de datos en diez partes iguales. Los deciles son los nueve valores que dividen la serie de datos en diez partes iguales. Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos y D5 coincide con la mediana. CLCULO DE LOS DECILES

En primer lugar buscamos la clase donde se encuentra frecuencias acumuladas.

, en la tabla de las

Li es el lmite inferior de la clase donde se encuentra el decil. N es la suma de las frecuencias absolutas. Fi-1 es la frecuencia acumulada anterior a la clase el decil.. ai es la amplitud de la clase

PERCENTILES: Los percentiles dividen la serie de datos en cien partes iguales y son los 99 valores que dividen la serie de datos en 100 partes iguales. Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los datos. ( P50 coincide con la mediana.) CLCULO DE LOS PERCENTILES

En primer lugar buscamos la clase donde se encuentra frecuencias acumuladas.

, en la tabla de las

Li es el lmite inferior de la clase donde se encuentra el percentil. N es la suma de las frecuencias absolutas.

Fi-1 es la frecuencia acumulada anterior a la clase del percentil. ai es la amplitud de la clase.

MEDIDAS DE DISPERSIN Las medidas de dispersin nos informan sobre cuanto se alejan del centro los valores de la distribucin. Las medidas de dispersin son: RANGO O RECORRIDO ( R ): El rango es la diferencia entre el mayor y el menor de los datos de una distribucin estadstica. DESVIACIN MEDIA ( ): La desviacin media es la media aritmtica de los valores absolutos de las desviaciones respecto a la media. La desviacin media es la media aritmtica de los valores absolutos de las desviaciones respecto a la media. La desviacin media se representa por (1) y para datos agrupados (2)

(1) VARIANZA (

(2)

) : La varianza es la media aritmtica del cuadrado de las desviaciones respecto

a la media. La varianza se representa por (1) y para datos agrupados (2), pero se simplifican los clculos si utilizamos expresiones equivalentes (3) y para datos agrupados (4).

(1)

(2)

(3)

(4)

DESVIACIN TPICA ( ) : La desviacin tpica es la raz cuadrada de la varianza.Cuanta ms pequea sea la desviacin tpica mayor ser la concentracin de datos alrededor de la media.

La desviacin tpica se representa por .(1) y para datos agrupados (2), pero para simplificar los clculos utilizamos, expresiones equivalentes (3) y para datos agrupados (4) .

(1)

(2)

(3)

(4)

COEFICIENTE DE VARIACIN (C.V) : El coeficiente de variacin es la relacin entre la desviacin tpica de una muestra y su media, y tambin se suele expresar en porcentajes.

El coeficiente de variacin permite comparar las dispersiones de dos distribuciones distintas, siempre que sus medias sean positivas. Se calcula para cada una de las distribuciones y los valores que se obtienen se comparan entre s. La mayor dispersin corresponder al valor del coeficiente de variacin mayor.

CORRELACIN Y REGRESIN La relacin entre dos variables, el primer paso es recoger los datos que muestren los correspondientes valores de las variables consideradas. Por ejemplo, si disponemos de los datos de la altura y del peso de 100 individuos, lo primero sera representar en un grfico cartesiano los 100 puntos (x,y) donde x e y seran la altura y el peso respectivo de cada individuo. El conjunto de puntos que as se obtiene se suele denominar diagrama de dispersin o ms sencillamente nube de puntos.

RECTA DE REGRESIN La recta de regresin es la que mejor se ajusta a la nube de puntos. La recta de regresin pasa por el punto llamado centro de gravedad.

RECTA DE REGRESIN DE Y SOBRE X La recta de regresin de Y sobre X se utiliza para estimar los valores de la Y a partir de los de la X. La pendiente de la recta es el cociente entre la covarianza y la varianza de la variable X.

RECTA DE REGRESIN DE X SOBRE Y La recta de regresin de X sobre Y se utiliza para estimar los valores de la X a partir de los de la Y. La pendiente de la recta es el cociente entre la covarianza y la varianza de la variable Y.

Si la correlacin es nula, r = 0, las rectas de regresin son perpendiculares entre s, y sus ecuaciones son:

y= x= Ejemplo: Las notas de 12 alumnos de una clase en Matemticas y Fsica son las siguientes:

Matemticas

10

10

Fsica

10

Hallar las rectas de regresin y representarlas.

xi

yi

xi yi xi2

yi2

2 3

4 4

16

16

16

16

5 6

20

25

16

24

36

16

36

36

36

28

49

16

7 8

42

49

36

56

64

49

10 9

90

100 81

10 10 100 72 60 431

100 100

504 380

1. Hallamos las medias aritmticas.

2. Calculamos la covarianza.

3. Calculamos las varianzas.

4.Recta de regresin de Y sobre X.

4Recta de regresin de X sobre Y.

LA RECTA DE MNIMOS CUADRADOS Se llama lnea de mejor ajuste y se define como la lnea que hace mnima la suma de los cuadrados de las desviaciones respecto a ella de todos los puntos que corresponden a la informacin recogida. La recta de los mnimos cuadrados que aproxima el conjunto de puntos

A esta ecuacin suele llamarse recta de regresin de Y sobre X, y se usa para estimar los valores de Y para valores dados de X. Las constantes y quedan fijadas al resolver simultneamente las ecuaciones anteriormente encontradas, es decir, al resolver el siguiente sistema de ecuaciones: Que se llaman las ecuaciones normales para la recta de mnimos cuadrados. Las constantes y de las anteriores ecuaciones tambin se pueden calcular empleando las siguientes frmulas:

Otra ecuacin para los mnimos cuadrados regresin de Y sobre X es:

para y de la recta de

La recta de los mnimos cuadrados que aproxima el conjunto de puntos tomando en cuenta a X como variable dependiente tiene por ecuacin

A esta ecuacin suele llamarse recta de regresin de X sobre Y, y se usa para estimar los valores de X para valores dados de Y. Las constantes b0 y b1 quedan fijadas al resolver el siguiente sistema de ecuaciones: Las constantes b0 y b1 del sistema de ecuaciones anterior se pueden calcular empleando las siguientes frmulas:

b0 =

x 2 y xy N 2
2

b1 =

Nxy x y N 2 2

Otra ecuacin para los mnimos cuadrados para y es: y= b0 + b1y El punto de interseccin entre las rectas con se simboliza y se llama centroide o centro de gravedad SERIES DE TIEMPO Una serie de tiempo o serie cronolgica es un conjunto de observaciones hechas en momentos determinados, generalmente a intervalos iguales. El conjunto de observaciones se simbolizan: y(t1), y(t2), .....y(tn) donde: t1, t2, t3....., tn son sucesivos instantes o tiempos determinados (meses, das, trimestres, etc.) "Y" es la variable cuyo comportamiento a travs del tiempo se desea estudiar o sea que la serie de tiempo es una serie estadstica (informacin cuantitativa) cuyos valores han sido observados en el tiempo. Matemticamente la serie puede simbolizarse como una funcin y = f(ti); donde ti es la variable independiente: tiempo. Las variables que intervienen pueden ser : aos, meses, das, horas, quinquenios, etc (t). Trabajando generalmente con intervalos iguales e " y": totales, promedios ndices, etc.

APLICACIN: La teora y anlisis de las series de tiempo pueden ser aplicados a mltiples campos, pudiendo afirmarse que todo hecho representable cuantitativamente y que sucede a lo largo de un perodo de tiempo puede estudiarse como una serie de tiempo: podemos mencionar como ejemplo:

Temperatura ambiente- temperatura de los enfermos- electrocardiogramas-Movimiento demogrfico- Accidentes de trabajo- cantidad de pasajeros transportados- Series MeteorolgicasMonto de Ventas - Precios minoristas - Mayoristas- Montos de produccin agrcola, ganadero o industrial - volumen de exportaciones e importaciones - Crecimiento - Poblacin, etc.

REPRESENTACION GRFICA: La representacin grfica en s, de una serie de tiempo no ofrece mayores problemas, en el eje de las abcisas se indica el tiempo y en el de las ordenadas se miden los valores de las variables en estudio. La dificultad principal radica en la eleccin delas escalas adecuadas del tiempo y particularmente de la variable. En efecto, una modificacin en la escala vertical produce una deformacin de la grfica respectiva. Lo que en un grfico puede representarse como una variacin importante, puede verse reducida en otro a una variacin insignificante debido a un cambio de escala. Debe existir una relacin lgica entre el campo de variacin de la variable y la unidad de la escala. En muchos casos, cuando el rango de la variable es muy amplio o cuando se desea comparar, grficamente dos o ms series de distinta magnitud, conviene utilizar escalas logartmicas para el eje de las ordenadas.

PROBABILIDAD La teora de la probabilidad es la parte de las matemticas que estudia los fenmenos aleatorios estocsticos. Estos deben contraponerse a los fenmenos determinsticos, los cuales son resultados nicos y/o previsibles de experimentos realizados bajo las mismas condiciones determinadas, por ejemplo, si se calienta agua a 100 grados Celsius a nivel del mar se obtendr vapor. Los fenmenos aleatorios, por el contrario, son aquellos que se obtienen como resultado de experimentos realizados, otra vez, bajo las mismas condiciones determinadas pero como resultado posible poseen un conjunto de alternativas, por ejemplo, el lanzamiento de un dado o de una moneda. La teora de probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un suceso es ms probable que otro. DEFINICIN CLSICA DE PROBABILIDAD

La probabilidad es la caracterstica de un evento, que hace que existan razones para creer que ste se realizar. La probabilidad p de que suceda un evento S de un total de n casos posibles igualmente probables es igual a la razn entre el nmero de ocurrencias h de dicho evento (casos favorables) y el nmero total de casos posibles n.

La probabilidad es un nmero (valor) que vara entre 0 y 1. Cuando el evento es imposible se dice que su probabilidad es 0, si el evento es cierto y siempre tiene que ocurrir su probabilidad es 1. La probabilidad de no ocurrencia de un evento est dada por q, donde:

Sabemos que p es la probabilidad de que ocurra un evento y q es la probabilidad de que no ocurra, entonces p + q = 1 TIPOS DE EVENTOS O SUCESOS SUCESOS O EVENTOS MUTUAMENTE EXCLUYENTES: Dos o ms sucesos son mutuamente excluyentes si la ocurrencia de uno cualquiera de ellos, imposibilita la ocurrencia de los otros. De la teora de conjuntos se sabe que dos o ms conjuntos que no tengan puntos muestrales en comn su interseccin es nula. La probabilidad de ocurrencia de E1 o E2, es la suma de las probabilidades de cada uno.

EVENTOS SOLAPADOS: Dos eventos E1 y E2, son solapados si tienen puntos muestrales comunes, los puntos muestrales comunes a E1 y E2, forman un subconjunto llamado interseccin de E1 y E2, y se representa por E1 E2. La frmula para calcular la probabilidad de dos eventos solapados es:

Donde: Frmula para tres eventos solapados:

EVENTOS COMPLEMENTARIOS: Dos eventos E1 y E2, son complementarios si el segundo es un subconjunto que contiene todos los puntos muestrales del espacio muestral que no estn en el primero. Los eventos complementarios, son a su vez mutuamente excluyentes: S, representa el espacio muestral , es el complementario de E, es decir, es lo que le falta a E, para se igual a S. , se lee complementario de E No E La probabilidad del espacio muestral es 1;

EVENTOS INDEPENDIENTES: Dos eventos E1 y E2 son independientes cuando la ocurrencia o no ocurrencia de uno de ellos en una prueba, no afecta la probabilidad del otro en cualquier otra prueba. En el lanzamiento de una moneda la probabilidad de obtener cara es y la probabilidad de obtener otra cara en otra prueba, es tambin . Por lo que los dos eventos E1 y E2. La frmula para buscar la probabilidad de que E1 y E2, aparezcan cuando sean independientes es: