DIAGRAMA DE TALLO Y HOJA

Es una tcnica estadstica para representar un conjunto de datos. Cada valor numrico se
divide en dos partes. El o los dgitos principales forman el tallo y los dgitos secundarios las
hojas. Los tallos estn colocados a lo largo del eje vertical, y las hojas de cada observacin
a lo largo del eje horizontal.
Ejemplo
La siguiente distribucin de frecuencia muestra el nmero de anuncios comerciales pagados
por los 45 miembros de Greater Buffalo Automobile Dealers Association en 1999.
Observemos que 7 de los 45 comerciantes pagaron entre 90 y 99 anuncios (pero menos de
100). Sin embargo, El numero de comerciantes pagados en esta clase se agrupan en
alrededor de 90, estn dispersos a lo largo de toda clase, o se acumulan alrededor de 99? No
podemos saberlo.
# De anuncios comprados Frecuencia
80 a 90 2
90 a 100 7
100 a 110 6
110 a 120 9
120 a 130 8
130 a 140 7
140 a 150 3
150 a 160 3
sumatoria de la frecuencia= 45
Una tcnica que se usa para presentar informacin cuantitativa en forma condensada es el
diagrama de tallo y hoja. En el ejemplo anterior no se da la identidad de los valores de la
clase de 90 a 100. Para ilustrar la construccin de un diagrama de tallo y hojas usando el
nmero de comerciales comprados, supongamos que las 7 observaciones en la clase de 90 a
100 sean 96, 94, 93, 94, 95, 96, 97. EL valor de tallo es el digito o dgitos principales, en
este caso el 9. Las hojas son los dgitos secundarios. EL tallo se coloca a la izquierda de una
lnea vertical y los valores de las hojas a la derecha.
Los valores de las clases de 90 a 100, apareceran como sigue:
9 | 6 4 3 4 5 6 7
Por ultimo, ordenamos los valores dentro de cada tallo de menor a mayor. El segundo
rengln del diagrama de tallo y hojas aparecera como sigue:
9 | 3 4 4 5 6 6 7
Con el diagrama de tallo y hojas podemos observar rpidamente que hubo 2 comerciantes
que compraron 94 comerciales y que el nmero de anuncios comprados fue desde 93 hasta
97. Un diagrama de tallo y hojas es semejante a una distribucin de frecuencia, pero con
ms informacin, esto es, valores de datos en lugar de marcas.
Teoria Probabilidad
probabilidades son muy tiles, ya que pueden servir para desarrollar estrategias. Por
ejemplo, algunos automovilistas parecen mostrar una mayor tendencia a aumentar la
velocidad si creen que existe un riesgo pequeo de ser multados; los inversionistas estarn
mas interesados en invertirse dinero si las posibilidades de ganar son buenas. El punto
central en todos estos casos es la capacidad de cuantificar cuan probable es determinado
evento. En concreto decimos que las probabilidades se utilizan para expresar cuan probable
es un determinado evento.
Concepto clsico y como frecuencia relativa. 1 Definicin Clsico. La probabilidad
clsica: el enfoque clsico o a priori de la probabilidad se basa en la consideracin de que
los resultados de un experimento son igualmente posibles. Empleando el punto de vista
clsico, la probabilidad de que suceda un evento se calcula dividiendo el numero de
resultados favorables, entre el numero de resultados posibles.
2 La probabilidad clsica de un evento E, que denotaremos por P(E), se define como el
nmero de eventos elementales que componen al evento E, entre el nmero de eventos
elementales que componen el espacio muestral:
Como frecuencia relativa 1 probabilstica: se basa en las frecuencias relativas. La
probabilidad de que un evento ocurra a largo plazo se determina observando en que
fraccin de tiempo sucedieron eventos semejantes en el psado. La probabilidad de que un
evento suceda se calcula por medio de:
P (E) numero de veces que el evento ocurri en el pasado
Numero total de observaciones
2 Definicin Frecuencial. La definicin frecuentista consiste en definir la probabilidad
como el lmite cuando n tiende a infinito de la proporcin o frecuencia relativa del suceso.
Sea un experimento aleatorio cuyo espacio muestral es E Sea A cualquier suceso
perteneciente a E Si repetimos n veces el experimento en las mismas Condiciones, la
frecuencia relativa del suceso A ser: Cuando el nmero n de repeticiones se hace muy
grande la frecuencia relativa converge hacia un valor que llamaremos probabilidad del
suceso A. Es imposible llegar a este lmite, ya que no podemos repetir el experimento un
nmero infinito de veces, pero si podemos repetirlo muchas veces y observar como las
frecuencias relativas tienden a estabilizarse Esta definicin frecuentista de la probabilidad
se llama tambin probabilidad a posteriori ya que slo podemos dar la probabilidad de un
suceso despus de repetir y observar un gran nmero de veces el experimento aleatorio
correspondiente. Algunos autores las llaman probabilidades tericas.
PROBABILIDAD II
probabilidad constituye un importante parmetro en la determinacin de las diversas
causalidades obtenidas tras una serie de eventos esperados dentro de un rango estadstico.
Existen diversas formas como mtodo abstracto, como la teora Dempster-Shafer y la teora
de la relatividad numrica, esta ltima con un alto grado de aceptacin si se toma en cuenta
que disminuye considerablemente las posibilidades hasta un nivel mnimo ya que somete a
todas las antiguas reglas a una simple ley de relatividad. As mismo es la parte de ley
Aplicaciones
Dos aplicaciones principales de la teora de la probabilidad en el da a da son en el anlisis
de riesgo y en el comercio de los mercados de materias primas. Los gobiernos normalmente
aplican mtodos probabilsticos en regulacin ambiental donde se les llama "anlisis de
vas de dispersin", y a menudo miden el bienestar usando mtodos que son estocsticos
por naturaleza, y escogen qu proyectos emprender basndose en anlisis estadsticos de su
probable efecto en la poblacin como un conjunto. No es correcto decir que la estadstica
est incluida en el propio modelado, ya que tpicamente los anlisis de riesgo son para una
nica vez y por lo tanto requieren ms modelos de probabilidad fundamentales, por ej. "la
probabilidad de otro 11-S". Una ley de nmeros pequeos tiende a aplicarse a todas
aquellas elecciones y percepciones del efecto de estas elecciones, lo que hace de las
medidas probabilsticas un tema poltico.
Un buen ejemplo es el efecto de la probabilidad percibida de cualquier conflicto
generalizado sobre los precios del petrleo en Oriente Medio - que producen un efecto
domin en la economa en conjunto. Un clculo por un mercado de materias primas en que
la guerra es ms probable en contra de menos probable probablemente enva los precios
hacia arriba o hacia abajo e indica a otros comerciantes esa opinin. Por consiguiente, las
probabilidades no se calculan independientemente y tampoco son necesariamente muy
racionales. La teora de las finanzas conductuales surgi para describir el efecto de este
pensamiento de grupo en el precio, en la poltica, y en la paz y en los conflictos.
Se puede decir razonablemente que el descubrimiento de mtodos rigurosos para calcular y
combinar los clculos de probabilidad ha tenido un profundo efecto en la sociedad
moderna. Por consiguiente, puede ser de alguna importancia para la mayora de los
ciudadanos entender cmo se calculan los pronsticos y las probabilidades, y cmo
contribuyen a la reputacin y a las decisiones, especialmente en una democracia.
Otra aplicacin significativa de la teora de la probabilidad en el da a da es en la
fiabilidad. Muchos bienes de consumo, como los automviles y la electrnica de consumo,
utilizan la teora de la fiabilidad en el diseo del producto para reducir la probabilidad de
avera. La probabilidad de avera tambin est estrechamente relacionada con la garanta
del producto.
Se puede decir que no existe una cosa llamada probabilidad. Tambin se puede decir que la
probabilidad es la medida de nuestro grado de incertidumbre, o esto es, el grado de nuestra
ignorancia dada una situacin. Por consiguiente, puede haber una probabilidad de 1 entre
52 de que la primera carta en un baraja de cartas es la J de diamantes. Sin embargo, si uno
mira la primera carta y la reemplaza, entonces la probabilidad es o bien 100% o 0%, y la
eleccin correcta puede ser hecha con precisin por el que ve la carta. La fsica moderna
proporciona ejemplos importantes de situaciones determinsticas donde slo la descripcin
probabilstica es factible debido a informacin incompleta y la complejidad de un sistema
as como ejemplos de fenmenos realmente aleatorios.
En un universo determinista, basado en los conceptos newtonianos, no hay probabilidad si
se conocen todas las condiciones. En el caso de una ruleta, si la fuerza de la mano y el
periodo de esta fuerza es conocido, entonces el nmero donde la bola parar ser seguro.
Naturalmente, esto tambin supone el conocimiento de la inercia y la friccin de la ruleta,
el peso, lisura y redondez de la bola, las variaciones en la velocidad de la mano durante el
movimiento y as sucesivamente. Una descripcin probabilstica puede entonces ser ms
prctica que la mecnica newtoniana para analizar el modelo de las salidas de lanzamientos
repetidos de la ruleta. Los fsicos se encuentran con la misma situacin en la teora cintica
de los gases, donde el sistema determinstico en principio, es tan complejo (con el nmero
de molculas tpicamente del orden de magnitud de la constante de Avogadro) que slo la
descripcin estadstica de sus propiedades es viable.
La mecnica cuntica, debido al principio de indeterminacin de Heisenberg, slo puede
ser descrita actualmente a travs de distribuciones de probabilidad, lo que le da una gran
importancia a las descripciones probabilsticas. Algunos cientficos hablan de la expulsin
del paraso.
[cita requerida]
Otros no se conforman con la prdida del determinismo. Albert
Einsteincoment estupendamente en una carta a Max Born: Jedenfalls bin ich berzeugt,
da der Alte nicht wrfelt. (Estoy convencido de que Dios no tira el dado). No obstante hoy
en da no existe un medio mejor para describir la fsica cuntica si no es a travs de la teora
de la probabilidad. Mucha gente hoy en da confunde el hecho de que la mecnica cuntica
se describe a travs de distribuciones de probabilidad con la suposicin de que es por ello
un proceso aleatorio, cuando la mecnica cuntica es probabilstica no por el hecho de que
siga procesos aleatorios sino por el hecho de no poder determinar con precisin sus
parmetros fundamentales, lo que imposibilita la creacin de un sistema de ecuaciones
determinista.
La teora de la probabilidad es la teora matemtica que modela los fenmenos aleatorios.
Estos deben contraponerse a los fenmenos determinsticos, en los cuales el resultado de un
experimento, realizado bajo condiciones determinadas, produce un resultado nico o
previsible: por ejemplo, el agua calentada a 100 grados Celsius, a nivel del mar, se
transforma en vapor. Un fenmeno aleatorio es aquel que, a pesar de realizarse el
experimento bajo las mismas condiciones determinadas, tiene como resultados posibles un
conjunto de alternativas, como el lanzamiento de un dado o de una moneda.
Los procesos reales que se modelizan como procesos aleatorios pueden no serlo realmente;
cmo tirar una moneda o un dado no son procesos aleacin en sentido estricto, ya que no se
reproducen exactamente las mismas condiciones iniciales que lo determinan, sino slo unas
pocas. En los procesos reales que se modelizan mediante distribuciones de probabilidad
corresponden a modelos complejos donde no se conocen a priori todos los parmetros que
intervienen; sta es una de las razones por las cuales la estadstica, que busca determinar
estos parmetros, no se reduce inmediatamente a la teora de la probabilidad en s.
En 1933, el matemtico sovitico Andri Kolmogrov propuso un sistema de axiomas para
la teora de la probabilidad, basado en la teora de conjuntos y en la teora de la medida,
desarrollada pocos aos antes por Lebesgue, Borel y Frechet entre otros.
Esta aproximacin axiomtica que generaliza el marco clsico de la probabilidad, la cual
obedece a la regla de clculo de casos favorables sobre casos posibles, permiti la
rigorizacin de muchos argumentos ya utilizados, as como el estudio de problemas fuera
de los marcos clsicos. Actualmente, la teora de la probabilidad encuentra aplicacin en las
ms variadas ramas del conocimiento, como puede ser la fsica (donde corresponde
mencionar el desarrollo de las difusiones y el movimiento Browniano), o las finanzas
(donde destaca el modelo de Black y Scholes para la valuacin de acciones).