Beruflich Dokumente
Kultur Dokumente
1 ESTADISTICA: DEFINICIN
1.1 POBLACIN:
1
Estadstica Bsica en Administracin pg.2
1.2 MUESTRA:
Si bien es cierto que una muestra est constituida por elementos pertenecientes a la
poblacin, tendremos que comprender que no todo subconjunto de la poblacin se
constituye en una muestra debidamente representativa. Vale tal vez recordar que en
1936 en vsperas a las elecciones presidenciales de EE.UU., la encuestadora
LITERARY DIGEST pronostic el triunfo del candidato Republicano con un apreciable
El estudio realizado sobre una muestra nos permite determinar valores cuyas
caractersticas nos referiremos ms adelante y a los cuales se los denomina
estimadores pudiendo tambin tomar el nombre de valores estadsticos, mediante
los cuales se podr efectuar una correcta estimacin sobre los valores de la
poblacin.
Por otra parte, los valores propios de la poblacin toman el nombre de Parmetros.
Si se pretendiere determinar el salario de los empleados metalrgicos del Pas,
tomaramos una muestra constituida por operarios de distintas empresas y distintas
provincias y siempre proporcional al nmero de operarios de cada lugar, el salario
promedio obtenido en la muestra se denomina estadstico, mientras que el salario
promedio de toda la poblacin obrera metalrgica se constituye en parmetro
1.4. PARMETROS
Aseverar que tal poltico ganar las prximas elecciones presidenciales no tiene peso
como informacin si no se lo acompaa con un grado de seguridad. Indicar que las
encuestas los dan ganador por tal cantidad de puntos, solo es tomado en cuenta
cuando se acompaa esa informacin con una determinada seguridad.
Discretos
Cuantitativos
Continuos
Tipos de Datos
Nominales
Cualitativos
Jerarquizados
Continuos: Se dice que una variable es del tipo continuo cuando asume
valores dentro de un intervalo de nmeros reales.
Nominales: Cuando los valores que adopta la variable en estudio puede ser
clasificada de acuerdo a categoras, tal como lo sera el responder a una encuesta
efectuada al personal de una Empresa automotriz y en la cual se plantea la situacin
de cada uno en cuanto a su estado civil. Sabemos que en este caso se tendran las
categoras de:
En estos casos en donde los datos se pueden agrupar por categoras es necesario
introducir, a fin de poder realizar su estudio, una cierta codificacin. De cualquier
manera no se podrn hacer estudios matemticos entre categoras.
Media
Mediana
De tendencia
central o posicin Moda
Valores
estadsticos Rango
De dispersin Desvo medio
Varianza
Desviacin estndar
Coeficiente de variacin
SERIE SIMPLE
A los efectos de preparar un Congreso Internacional en una zona del Sur del Pas, se
ha solicitado el registro de las temperaturas mnimas de los ltimos once das del mes
de julio del ao anterior, obteniendo como respuesta los siguientes datos:
-2 0 1 -1 -3 -1 -2 -2 1 0 -2
-3 -2 -2 -2 -2 -1 -1 0 0 1 1
En este caso, la variable en estudio est dada por las temperaturas y cada una de las
observaciones corresponder a un nuevo valor adoptado por la incgnita.
x = temperatura
n = nmero de observaciones = 11
x1 x2 x3 x4 . . . . . . . . . . . . . . . . . . . . . . . . . . .xn
x1= -3 y xn = 1
Con todos los valores que adopta la variable en estudio se genera una distribucin,
denominada Distribucin de la Variable en estudio
2-3. MEDIA
x1 + x2 + x3 + . . . . + xN
= --------------------------------
N
N tamao de la poblacin
xi
1
=
N
Se denota como:
x
1
i
x=
n
El siguiente diagrama representa la analoga entre la media poblacional para una
poblacin y la media muestral para una muestra:
Muestra
Tamao: N
x
Tamao: n
En nuestro caso:
= $ 1900
Recordar
2.4. MEDIANA
Se define como Mediana de una distribucin, al valor que ocupa el punto medio de la
distribucin
Ocupar el punto medio de la distribucin implica que la mediana deja a la izquierda la
misma cantidad de valores que a la derecha. Todos los valores que se encuentran a la
izquierda son menores o eventualmente iguales a l, mientras que los valores que se
ubican a la derecha sern mayores o eventualmente iguales a l.
-3 -2 -2 -2 -2 -1 -1 0 0 1 1
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11
Me = x6 = -1
-3 -2 -2 -2 -2 -1 -1 0 0 1
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
x5 + x 6
Se tendra en este caso que Me = -------------
2
a) 4 6 6 8 Me = 6
b) 2 10 18 20 Me = 14
No obstante todo esto las propiedades que presenta la media y que veremos
ms adelante la hace ms atractiva para su utilizacin.
2.5. MODA
Mo = -2
Con respecto a este valor es necesario aclarar que si en una distribucin se tiene ms
de un valor con el mismo mximo de repeticiones, cada uno de ellos se constituir en
una nueva moda, es decir que una distribucin puede tener ms de una moda. En
caso de tener dos modas se la denomina bimodal y en caso de tres trimodal, etc.
As mismo si se presentare el caso en que todos los valores de la distribucin tienen
el mismo nmero de repeticiones, diremos que dicha distribucin no tiene moda.
FRECUENCIA
Dada una distribucin se define como Frecuencia de un valor, al nmero de veces que
el mismo se repite.
Ejemplo:
En la distribucin correspondiente a las temperaturas mnimos tomadas en una
localidad del Sur del Pas durante los ltimos 10 das, defina para cada valor su
frecuencia:
-2 -2 -4 -1 -1 -1 0 -3 -2 -1
para -4 su f = 1
-3 su f = 1
-2 su f = 3
-1 su f = 4
0 su f = 1
Tenga en cuenta que la suma de todas las frecuencias es igual al nmero total de
observaciones.
Caso a analizar
Supongamos tener que estudiar el nmero de accidentes que se producen en una
playa de estacionamiento durante los ltimos 50 das. Los datos relevados son los
siguientes
5 6 4 4 4 3 2 7 5 4 4 1
0 4 2 1 3 2 2 0 1 4 4 7
4 3 2 1 4 2 5 4 3 5 6 7
4 4 5 2 3 6 4 3 1 3 4 4
5 6
Es observable que trabajar con todos los valores como lo presenta la serie simple
sera por dems engorroso si no se dispusiera de una computadora, pero si
clasificamos los valores, en este caso de acuerdo a su valor numrico y para cada
uno de ellos determinamos su frecuencia, podramos confeccionar una tabla de las
siguientes caractersticas:
Tabla 1.1
Clase xi fi
1 0 2
2 1 5
3 2 7
4 3 8
5 4 16
6 5 5
7 6 4
8 7 3
( Xi . fi )
1
8
x =
fi
1
Tabla 1.2
Clase xi fi xi * fi
1 0 2 0
2 1 5 5
3 2 7 14
4 3 8 24
5 4 16 64
6 5 5 25
7 6 4 24
8 7 3 21
50 177
( xi. fi )
i =1
x= = 177 / 50 = 3,54
n
El valor de la media o promedio de la distribucin es de
x = 3, 54
fi
fr i = ---------
n
Podemos ampliar la tabla de frecuencias con una nueva columna que contenga la fr de
cada clase:
Tabla 1-3
Clase xi fi xi * fi fri
1 0 2 0 0,04
2 1 5 5 0,1
3 2 7 14 0,14
4 3 8 24 0,16
5 4 16 64 0,32
6 5 5 25 0,1
7 6 4 24 0,08
8 7 3 21 0,06
50 177 1
Propiedad:
La sumas de todas las frecuencias relativas correspondientes a los valores
clases de una distribucin es igual a 12:
Tener en cuenta:
(xi. fi)
= -------------- = (xi. fi/fi) es decir
fi
2
Demostracin
fri = fr1 + fr2 + fr3 . . . . . . . . + fr n
f1 f2 f3 fn fi
= --- + --- + ---- + + --- = ------- = 1
fi fi fi fi fi
Tabla 1.4
Clase xi fi xi * fi fri fai
1 0 2 0 0,04 2
2 1 5 5 0,1 7
3 2 7 14 0,14 14
4 3 8 24 0,16 22
5 4 16 64 0,32 38
6 5 5 25 0,1 43
7 6 4 24 0,08 47
8 7 3 21 0,06 50
50 177 1
Tabla 1.5
Clase xi fi xi * fi fri fai fds
1 0 2 0 0,04 2 48
2 1 5 5 0,1 7 43
3 2 7 14 0,14 14 36
4 3 8 24 0,16 22 28
5 4 16 64 0,32 38 12
6 5 5 25 0,1 43 7
7 6 4 24 0,08 47 3
8 7 3 21 0,06 50 0
50 177 1
Tabla 1.6
xi fi fri fi%
Agua c/gas 15 0,05 5
Agua s/gas 18 0,06 6
Jugos 33 0,11 11
Tnicas 44 0,1467 14,67
Colas 55 0,1833 18,33
Naranjas 63 0,21 21
Limn 72 0,24 24
fi = 300 fi% = 100
3-0 DIAGRAMAS
El poder graficar los valores estadsticos nos permite realizar una lectura rpida de la
distribucin y sacar conclusiones inmediatas de la misma.
Sera suficiente abrir una hoja de clculo para observar la cantidad variada de grficos
con que puede ser representada una distribucin: Diagramas de: Lneas, Barras,
Barras acumuladas, de Sectores o circular, Diagramas x-y, de Bastones etc. En este
texto haremos referencia a los diagramas: Circular, de Bastones e Histogramas y a
una combinacin de los grficos de Bastones, Barras y x-y Dispersin.
Ejercicio
Supongamos tener para analizar las notas obtenidas por 20 alumnos de una divisin
en la asignatura de Estadstica:
9 7 6 6 6 5 3 4 5 5 8
7 8 7 7 6 5 6 4 10
Generaremos una distribucin de frecuencias complementndola con: Frecuencias
relativas, Frecuencia acumulada y por ltimo Frecuencia desacumulada.
Tabla 1.7
Xi fi fr i fa fds
3 1 0,05 1 19
4 2 0,1 3 17
5 4 0,2 7 13
6 5 0,25 12 8
7 4 0,2 16 4
8 2 0,1 18 2
9 1 0,05 19 1
10 1 0,05 20 0
20 1
Toda vez que se presenta una tabla tal como la 3.1, la primera pregunta que surge es,
que se debe graficar debe de tenerse siempre en cuenta que cada vez que se
Llevaremos en el eje de las abscisas las calificaciones y en el eje de las ordenadas las
frecuencias y representamos mediante un segmento centrado en cada una de las
calificaciones su correspondiente frecuencia; tendremos nuestro primer diagrama.
Cada uno de los bastones corresponde a la frecuencia de cada calificacin y toma el
nombre de densidad de frecuencia entendindose como tal al cociente:
fi
dfi = ---- es decir frecuencia por unidad de intervalo de clase
x
Grfico 1.1
Diagrama de Bastones
5
Frecuencia
0
3 4 5 6 7 8 9 10
Calificaciones
Para este grfico debemos tener presente que el ngulo central del crculo es de 360
y que cada una de las clases estar dada por un sector cuyo ngulo ser proporcional
a su frecuencia:
Debe tenerse en cuenta que en todos los casos la operacin que nos permite
determinar el ngulo de cada sector est dado por el producto entre 360 y el cociente
de la frecuencia de la calificacin en estudio y la suma de todas las frecuencias (N),
cociente ste que segn ya vimos corresponde a la frecuencia relativa (fri = f / N), es
decir que el ngulo correspondiente a un determinado sector est dado por el producto
entre 360 y su frecuencia relativa:
i = 360. fri
Grfico 1.2
Diagrama de Sectores
10 3
9
4
8
5
20%
7
20%
6
25%
3.2-HISTOGRAMA DE FRECUENCIAS:
ste es otro de los diagramas de gran utilizacin para el cual es necesario considerar
un sistema de ejes cartesianos ortogonales, debiendo representar en el eje de las
abscisas las calificaciones y en el de las ordenadas la frecuencia, las clases estn
dadas por las calificaciones. El intervalo entre dos clases sucesivas se denomina
amplitud de intervalo, en este caso es la unidad y se la expresa como x = 1. Si
consideramos el diagrama de bastones y a partir del extremo inferior de cada uno de
ellos llevamos tanto a izquierda como a derecha la mitad del intervalo, en nuestro
caso 1 / 2 = 0,5 y levantamos las ordenadas correspondientes, nos encontramos con
un diagrama de barras sin discontinuidades al que denominaremos Histograma, en
este caso de Histograma de Frecuencias.
Grfico 1.4
6
5
Frecuencia
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10 11
Calificaciones
La superficie encerrada por cada una de las barras est dada por el producto entre la
base x por la altura que segn ya vimos estaba dada por la densidad de frecuencia.
Si = x. dfi = x. fi / x = fi
Cada una de ellas tendr un valor igual a su frecuencia y el rea total del diagrama
ser entonces la suma de todas las frecuencias e igual a N.
Si = fi = N
Si se unen los puntos medios superiores de cada una de las barras del histograma y
se considera cero las frecuencias de las clases adyacentes a los extremos de la
distribucin, se formar con el eje de las abscisas un polgono denominado, en este
caso, como Polgono de Frecuencias:
3
fi
0
2 3 4 5 6 7 8 9 10 11
xi
dfri = fri / x
Y por lo tanto al igual que en el diagrama anterior, la superficie encerrada por cada
una de las barras del Histograma ser igual a su frecuencia relativa:
Si = x. fri / x = fri
De tal manera que el rea encerrada por el Histograma de frecuencias relativas ser
ahora igual a la suma de todas las frecuencias relativas y por tal razn igual a 1:
Si = fri = 1
Grfico 1.6
3
Dos tringulos rectngulos en A y A con los ngulos y iguales por opuestos por el vrtice, y
alternos internos entre paralelas y el lado 11 = 22= x / 2 por lo tanto son iguales.
0,3
0,25
0,2
fr
0,15
0,1
0,05
0
2 3 4 5 6 7 8 9 10 11
x
Grfico 1.7
0,3
0,25
0,2
0,15
0,1
0,05
0
2 3 4 5 6 7 8 9 10 11
Tabla 1.8
xi fi fai
0 1 1
1 2 3
2 3 6
3 4 10
4 4 14
5 3 17
6 2 19
7 1 20
fi = 20
Grfico 1.8
FRECUENCIA ACUMULADA
Frecuencia acumulada
22
20
18
16
14
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9
OBSERVACIONES
Observe el lector con que claridad este diagrama le entrega informacin. Por ejemplo
analizando la observacin 4, el punto inferior de la barra indica que menores a 4
accidentes diarios se han producido en 10 oportunidades mientras que el punto
superior indica que en 14 oportunidades se han producido 4 o menos accidentes
diarios. De igual manera en 17 oportunidades se produjeron menos de 6 accidentes en
un da y que en solo 2 oportunidades se produjeron 6 accidentes.
De igual manera podemos graficar la frecuencia desacumulada conjuntamente con la
acumulada tal como lo muestra el Grfico 1.8 denominado comnmente como grfico
de escalones. Debe tenerse en cuenta que para cualquier valor observado la suma de
la frecuencia acumulada y la desacumulada es igual al nmero total de observaciones.
fa + fds = n
22
20
18
16
Frecuencia
14 Frecuencia acumulada
12
10 Frecuencia
8 desacumulada
6
4
2
0
0 1 2 3 4 5 6 7 8 9
Observaciones
A) =. (xi.fi) / N = 3,1667
Me = (x15 + x16) / 2 = 3
Mo = 2
B) =. (xi.fi) / N = 6
Me = x16 = 6
Mo = 6
C) = (xi.fi) / N = 7,296
Me = x14 = 8
Mo = 8
0,3
0,25
0,2
Frecuencia
0,15
relativa
0,1
0,05
0
1 2 3 4 5 6 7 8 9 10
Observaciones
0,25
0,2
0,15
0,1
0,05
0
1 2 3 4 5 6 7 8 9 10 11
Observaciones
0,3
0,25
0,2
0,15
0,1
0,05
0
1 2 3 4 5 6 7 8 9 10 11
Observaciones
Simtrica = Me = Mo
El jefe de pelotn necesita realizar un estudio estadstico sobre estos tiempos a los
efectos de determinar:
a- Qu proporcin de hombres tardan menos de 3,5 en cruzar la pista de
combate
b- Qu proporcin de los hombres del pelotn tardan menos de 4 en cruzar la
pista
k = 1+ log2(n)
5 <= k <= 15
Es decir que el nmero de intervalos debe estar comprendido entre 5 y 15. Una
cantidad menor de intervalos da lugar a una distribucin con informacin insuficiente.
Por otro lado una cantidad mayor a 15 intervalos genera una distribucin que resulta
engorroso operar.
Para el caso que tenemos en estudio y teniendo en cuenta que n = 21, la raz
cuadrada de 21 es de 4,58 y considerando la ltima condicin, adoptaremos para k el
valor de 5, k = 5.
xN x1
x =
k
Para nuestro caso:
4,6 3,1
x = = 0,3
5
=
(x mi
* fi )
N
Para su determinacin creamos una nueva columna conteniendo los productos de
xmi*fi:
Tabla 1.10
Li ls fi xmi xmi * fi
3,09 3,39 1 3,24 3,24
3,39 3,69 4 3,54 14,16
3,69 3,99 6 3,84 23,04
3,99 4,29 5 4,14 20,7
4,29 4,6 5 4,445 22,225
21 83,365
83,365
= = 3,9697
21
Esto nos indica que el tiempo promedio empleado por los integrantes del pelotn para
cruzar la pista de combate es de 3,9697
HISTOGRAMA DE FRECUENCIA
Para confeccionar el Histograma y Polgono de frecuencias debemos tener presente
que las frecuencias de los intervalos adyacentes a los extremos de nuestra distribucin
son nulas, adems se representa en el eje horizontal las marcas de clase.
4
f
0
2,94 3,24 3,54 3,84 4,14 4,445 4,74
x
Tabla 1. 11
Li ls fi xmi Xmi * fi fai fdsi
2,79 3,09 0 2,94 0 0 21
3,09 3,39 1 3,24 3,24 1 20
3,39 3,69 4 3,54 14,16 5 16
3,69 3,99 6 3,84 23,04 11 10
3,99 4,29 5 4,14 20,7 16 5
4,29 4,6 5 4,445 22,225 21 0
4,6 4,39 0 4,74 0 21 0
a) Mtodo grfico
Tracemos los diagramas correspondientes a la frecuencia acumulada:
Grfico 1.14
25
20
15
fa
10
0
2,94 3,24 3,54 3,84 4,14 4,445 4,74
x
Grfico 1.15
25
20
15
fa - fds
10
0
2 2,5 3 3,5 4 4,5 5
-5
x
Fa + frds = N
b) Mtodo Analtico
Grfico 1.16
12
12
10
10
0
3,69
3,69 Me 3, 99
3,99
Li x Ls
23 1-2
---------- = -------------
2 3 1 2
Si reemplazamos tendremos:
fm x
x (N/2 fai)
Me = Li + -----------------
fm
Me = 3,965
Grfico 1.17
4
f
0
3,54 3,84 4,14
x
Li Ls
Como li se define al inicio del intervalo modal (3,69), el valor de la moda de una
distribucin de intervalos de clase esta dada por la expresin:
Conclusiones:
En una distribucin de intervalos de clase, la moda se encuentra siempre ubicada en
el intervalo modal, pero desplazada hacia el intervalo adyacente de mayor frecuencia.
Los valores determinados para la media, mediana y moda, indican que la distribucin
tiene un leve sesgo derecho:
Media = 3,9697
Mediana Me = 3,965
Moda Mo = 3,89
> Me > Mo
4- VALORES DE DISPERSIN
Son suficientes los valores de posicin central para determinar las caractersticas de
una distribucin? Para responder a esta pregunta observemos la siguiente situacin:
Tabla 1. 12
X1 F1 X2 F2
0 0 0 0
1 3 1 6
2 4 2 8
3 7 3 4
4 5 4 3
5 4 5 2
6 2 6 2
7 1 7 1
8 0 8 0
26 26
8
7
6
5
4
3
2
1
0
0 2 4 6 8 10
Grfico 1.20
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9
Es necesario entonces considerar valores que nos determinen cuan dispersos estn.
Estos valores se denominan valores de dispersin:
Definicin
La diferencia entre los valores extremos de una distribucin se denomina Alcance o
Rango y se lo denota como R
R = xn x1
A) 0 1 1 2 4 6 8 10 12 14
En la distribucin A
R = 14 0 = 14
En la distribucin B
R = 64 50 = 14
Ambas tienen el mismo nmero de elementos, el mismo alcance, no obstante ello son
distintas, es decir que el Rango o Amplitud de una distribucin nos entrega una
informacin limitada.
d1
= 3,9697
d2
d1 = xm1 -
d2 = xm2 -
pdm =
(x mi ). fi
N
Pero nos encontramos con que la suma de todos los desvos es nula y siempre lo
sern por considerar como punto de referencia a la media. Todas las distancias de las
marcas de clase que se ubiquen a la izquierda de la media sern negativas, mientras
que las distancias de los que se ubiquen a la derecha sern positivas. El problema
radica en anular los signos negativos, para ello podemos:
DM =
x mi
. fi
N
Esta expresin se define como Desvo medio (Promedio de los desvos absolutos
medios).
Tabla 1. 13
DM = 0,3074
pdmc =
(xmi )2 .if
N
Esta expresin que definimos como: el promedio de los desvos cuadrticos medios y
se denomina Varianza.
Es conveniente entonces considerar una nueva columna conteniendo la suma de los
desvos cuadrticos medios tal como la tabla:
Tabla 1. 14
2
Li ls fi xmi Xmi * fi fai fdsi !xi -media!.fi (xi-media) .fi
2,79 0 0 2,94 0 0 21 0,000 0
3,09 3,39 1 3,24 3,24 1 20 0,730 0,53255244
3,39 3,69 4 3,54 14,16 5 16 1,719 0,73878118
3,69 3,99 6 3,84 23,04 11 10 0,779 0,10102891
3,99 4,29 5 4,14 20,7 16 5 0,851 0,14490505
4,29 4,6 5 4,445 22,225 21 0 2,376 1,12925624
4,6 4,99 0 4,74 0 21 0 0,000 0
21 83,365 6,455 2,647
= ( xi ) 2
fi
N
O abreviando
= Var ( x) =
= 0,126 = 0,3549
Desvo estndar = 2
Desvo estndar =0,5
Desvo estndar =1
CV = . 100%
Como tanto la desviacin estndar y la media tienen las mismas unidades, al dividirlas
se simplifican y nos queda un coeficiente, es adimensional. Por otra parte el CV
entrega la proporcin de la desviacin estndar respecto de la media. En el caso que
nos ocupa el:
0,3549
CV = .100 = 8,94
3,9697'
CV = 8,94%
X1 Q1 Q2 Q3 Xn
Una cuarta parte de las observaciones se encuentran por debajo de Q1, como que
tambin estn por debajo de Q2. Entre Q3 y Q1 se concentra el 50% de las
observaciones. Es necesario aclarar que Q1 como Q2 y Q3 son los puntos fractiles,
por debajo de cada uno de ellos se encuentran los porcentajes los correspondientes
porcentajes de datos.
Cuando el nmero de valores no es lo suficientemente grande la determinacin exacta
de los cuartiles puede ser complicada, ya que es factible que el valor del cuartil quede
entre observaciones, de cualquier manera en general podemos decir que la
determinacin de cada cuartil quede satisfecha con las expresiones:
La determinacin de los cuartiles para datos no agrupados est dada por las expresiones:
Q1 = X (1 / 4 N +1 / 4)
Q2 = X (1 / 2 N +1 / 2)
Q3 = X (3 / 4 N +1 / 4)
Grfico 1.22
Q1 Q2 Q3
xi
80
Grfico 1.24
fdp
- 3 - 2 -1 +1 +2 +3 xi
68% N
95%N
99,72% N
( 1) se tiene el 68% de N
( 2) se tiene el 95% de N
( 3) se concentra el 100% de N
2.1 PROBABILIDADES
0 P (E) 1
Simples
Eventos
Compuestos
Claro que tambin podramos expresar al evento C como aquel para el cul debe
cumplirse conjuntamente A y B
De la misma manera:
Se tiene tres planteos bsicos para definir una probabilidad, estas son:
a) Planteamiento clsico
b) Planteamiento basado en la frecuencia relativa
c) Planteamiento subjetivo
c
P
n
Es necesario tener en cuenta que para que esta expresin sea correcta todas las
formas en que puede presentarse el fenmeno deben ser igualmente posibles.
Con este concepto la probabilidad de que al lanzar un dado presente la cara con un
nmero par ser de:
3
P(A) =
6
P (C) = P (A y B)
En este caso los eventos favorables son E4 y E6, cumplen con la condicin de ser
pares y mayores o iguales a 4 por lo tanto aplicando el concepto de probabilidad
clsica emprica tendremos:
2
La probabilidad P(C) =
6
1
P(cara) = 0,5
2
Por otra parte si en 10 lanzamientos se obtuvieron cuatro caras y seis cruces entonces
la frecuencia relativa de obtencin de caras es:
4
fr(cara) = = 0,4.
10
Grfico 2.1
fr
0,5
0,4 - - - *
10 N
fr
* *
* * * *
0,5 * * * * *
* * *
*
10 20 30 40 50 60 70 80 90 100 110 N
De acuerdo a las estadsticas llevadas a cabo por una Ca. de seguros, sta informa
que de las personas del sexo masculinas de 50 aos, aproximadamente 65 de cada
100.000 mueren durante el perodo de un ao. De acuerdo al mtodo de frecuencia
relativa, la probabilidad de que una persona asegurada del sexo masculino con una
edad de 50 aos, muera en el trmino de un ao es de
65
P= 0,00065
100.000
Grafico 2.3
S
E1
E5
E2
E3
E4 E6
Cada uno de los puntos considerados corresponde a cada uno de los posibles eventos
en que puede presentarse el lanzamiento del dado.
Es necesario adems asignarle a cada uno de los puntos muestrales un valor de
probabilidad pero teniendo en cuenta que el valor de probabilidad asignado debe
cumplir con la condicin de ser mayor o igual a cero pero menor o igual a 1:
Adems debe cumplirse que, la suma de las probabilidades de todos los puntos
muestrales sea igual a 1
i 6
P(E ) 1
i
i 1
En el caso que nos ocupa, todas las caras tienen la misma probabilidad de ocurrencia,
por lo tanto la probabilidad que le asignaremos a cada punto muestral ser de
P (Ei) = 1/6
A: obtener un par
Grafico 2.4
S E1
E5
E2 A
E3 E6
E4
E1
E2
E5 E3
E4 E6
B
Analicemos ahora el evento C: que sea par y mayor o igual a 4, en este caso deben
cumplirse ambas condiciones simultneamente
P(C) = P(A y B)
Grafico 2.6
E1
A
E2
E3
E4 E6 E5
B
P (D) = P(A o B)
E1
AAA
A E2 E3
E6 E5
E4
B
Grficamente observamos que esta condicin lo cumplen solo los eventos E2, E4, E5
y E6, por lo tanto la probabilidad del evento compuesto D ser:
Podemos deducir segn lo visto que, grficamente los eventos compuestos surgen de
la unin o interseccin de eventos, sean estos simples o compuestos. La probabilidad
de obtener un nmero par P(A) esta dada por la unin de los eventos simples E2, E4
y E6, mientras que la probabilidad de obtener un par o un nmero >= 4 est dada por
la unin de los eventos compuestos A y B
Tenemos ahora una expresin que nos entrega la probabilidad de la unin de eventos.
Expresin que toma el nombre de Regla Aditiva
casos favorables 2
P(A / B) = =
casos posibles 3
Por otra parte, la condicin que deben cumplir los casos favorables es la de ser mayor
o igual a 4 y adems, deben cumplir con la condicin de ser par, es decir, deben
satisfacer simultneamente A y B, mientras que los casos posibles estarn dados por
los eventos simples que constituyen a B, mayores o iguales a 4. Pudiendo expresarla
como:
P( A B)
P( A / B)
P(B)
Reemplazando tendremos
2
P(AB) 2
P(A/ B) = 6
P (B) 3 3
6
P (B A) P(A) * P (B / A)
P(A B) P (B A)
COMPLEMENTARIOS
INDEPENDIENTES
Si tenemos presente el espacio muestral en donde cada una de los eventos posee una
probabilidad y la suma de todas ellas es igual a 1, nos indica que dada el evento A, su
complemento estar constituido por todos los puntos muestrales de dicho espacio
que no pertenezcan a A y se lo denomina como A (todo lo que no es A constituye su
complemento)
Grfico 2.8
A
A BA
Se dice que dos eventos son mutuamente excluyentes cuando la ocurrencia de uno de
ellos implica la no ocurrencia del otro.
Grfico 2.9
S
Grfico 2.10
S
E1
E5
E2
E3
E4 E6
P (E1 E2) = 0
Al igual que P (E2 E5) =
0
P(A B) = 0
Por lo tanto en este caso, cuando los eventos son mutuamente excluyentes, la
probabilidad de ocurrencia de por lo menos uno de ellos ser igual a la suma de sus
probabilidades:
Acotacin:
Como conclusin podemos decir que dados dos eventos A y B, si son
complementarios ambos eventos A y B, este ltimo = A ser exhaustivamente
excluyentes ya que no es posible obtener otro resultado para el fenmeno que no sea
uno de ellos. Resumiendo, si dos eventos son complementarios indefectiblemente son
mutuamente excluyentes.
Definicin
Dos eventos se dicen que son independientes, cuando la ocurrencia de uno de ellos
no modifica la probabilidad de ocurrencia del otro.
Y se expresa como:
10 casos favorables
P (C1) =
40 casos posibles
10
P (C2) =
40
9
P (espada en 2 / espada en 1) =
39
Aclaraciones
Los sucesos mutuamente excluyentes deben ser dependientes, pero los sucesos
dependientes no tienen necesariamente que ser mutuamente excluyentes.
Supongamos tener una caja con 10 bolillas que presentan las siguientes
caractersticas:
Tres son rojas con puntos
Una es roja con franjas Dos
son grises con puntos Cuatro
son grises con franjas
La probabilidad de extraer una bola gris, estar dada por la suma de las
probabilidades de obtener una bola gris con puntos y una bola gris con franjas:
En nuestro caso:
Un Club local con 400 socios los clasifica de acuerdo a su edad, en tres categoras,
Infantiles, Cadetes y Mayores. Adems en cada categora los clasifica de acuerdo a su
sexo en Varones y Mujeres segn consta en la siguiente tabla:
Mujeres 70 30 20
P( F ) = P( F I) + P(F C ) + P( F M )
= 70 / 400 + 30 / 400 + 20 / 400 = 120 / 400
Mujeres 70 30 20 120
P (V) * P (I /V)
P (V / I) =
P (I F) P (I V)
P (V) * P (I /V)
P (V / I) =
P (F)* P (I / F) P (V) * P (I /V)
220 150
*
P (V / I) 400 220
120 70 280 150
* *
400 120 400 280
Simplificando tendremos
150
P (V/ I) =
220
150
P (V / I) =
220
P (D M
P (M1/ D) (1)
1)
P (D)
P (M1) = 0,5
P (M2) = 0,3
P (M3) = 0,2
Por otra parte conociendo los porcentajes de pernos defectuosos producidos por
cada una de las mquinas tendremos:
P (D / M1) = 0,04
P (D / M2) = 0,08 y
P (D / M3) = 0,1
P (M1) * P (D /
P(M1 / D) =
M1)
P (D M1) P (D M 2) P (D M
3)
desarrollando el denominador
P (M1) * P (D /
P(M1/D) = M1)
P (M1) * P (D / M1) P (M 2) * P (D / M 2) P (M 3) * P (D /
M 3)
0.02
P (M1 / D) =
0.064
La cuarta parte de los propietarios de automotores de esa comunidad deja las llaves
puestas en los automviles al estacionarlos. Adems y de acuerdo a estadsticas el
5% de los automviles que estacionados tienen las llaves puestas son robados de la
va pblica mientras que solo el 1% de los automviles que no tienen las llaves
puestas son robados. Indique Ud. la probabilidad de que un automvil que ha sido
robado en esa ciudad haya tenido las llaves puestas.
P(A) = 0,25
Adems la probabilidad de que un auto estacionado con las llaves puestas sea robado
es de:
P(R/A) = 0,05
P(R/B) = 0,01
P(A R)
P(A/R) =
P(R)
P (A) * P(R / A)
P (A/R) =
P (A R) (P (B
R)
0,25 * 0,05
P(A/R) =
0,25 * 0,05 0,75 * 0,01 0,0125
0,02
P(A/R) = 0,6255
COMBINACIONES Y PERMUTACIONES
(a, b, c, d, e)
(a b c) (a b d) (a b e) (a c d) (a c e) (a d e)
(b c d) (b d e) (b c e) (c d e)
Cada uno de estos subconjuntos de tres elementos cada uno de ellos, formados con
los n elementos del conjunto dado se denominan combinaciones y se las expresa
como:
Crn Cnr
n! 5!
= =
r!*(n r)! 3!*(5 3)!
5.4.3.2.1
10
(3.2.1) (2.1)
Definicin
(A b c) (A c b) (B a c) (b c a) (c a b) (c b a)
(a b d) (a d b) (b d a) (b a d) (d a b) (d b a)
(a b e) (a e b) (b a e) (b e a) (e a b) (e b a)
(a c d) (a d c) (d a c) (d c a) (c d a) (c a d)
(a c e) (a e c) (c a e) (c e a) (e a c) (e c a)
(a d e) (a e d) (d e a) (d a e) (e a d) (e d a)
(b c d) (b d c) (c d b) (c b d) (d b c) (d c b)
(b d e) (b d e) (d b e) (d e b) (e d b) (e b d)
(b c e) (b e c) (c b e) (c e b) (e c b) (e b c)
(c d e) (c e d) (e d c) (e c d) (d e c) (d c e)
Cada una de las distintas formas en que puede expresarse un conjunto se denomina
permutaciones y se las expresa como:
Pr = r!
P (3) = 3 . 2 . 1 = 6
1
Debemos recordar que n! ( factorial de n) = n* (n-1) * (n-2) * . . . . . . . .* ( n-n+1)
Adems, el factorial de cero 0! = 1.
Resumiendo diremos que, por cada una de las combinaciones de tres elementos,
tomadas entre los cinco del conjunto dado, se pueden obtener seis permutaciones.
nPr = nCr * Pr
n!
nPr = * r! simplificando
r!.(n r)!
n!
nPr =
(n r)!
5.4.3.2.1
nPr = 60
2.1
Supongamos que en un jardn de infantes hay cuatro maestras de las cuales dos de
ellas son casadas y las denominaremos como C1 y C2, por otra parte las otras dos se
denominaran S1 y S2. Si es necesario elegir a dos de las maestras para acompaar a
los nios a un paseo, y la eleccin se efecta de manera totalmente aleatorio, indique
la probabilidad:
A que las dos maestras elegidas sean casadas.
B Que las dos sean solteras
C Que una sea casada y la otra soltera.
En casos como el planteado puede ser conveniente operar con el diagrama de VENN,
en el cul volcaramos todas las duplas posibles a elegir, que no seran ms que las
combinaciones de dos elementos tomados del conjunto original de cuatro, y a saber:
(C1 C2 S1 S2)
C1C2 C2S1
C1S1 S1S2
C2S2
C1S2
Al elegir una dupla, esta tendr que ser necesariamente una de las seis
combinaciones, todas igualmente posibles y por lo tanto la probabilidad de cada una
de ellas ser de:
P (Ei) = 1 / 6
P (C1C2) = 1/ 6
P (S1S2) = 1/ 6
P (SC) = 4 / 6
A C1C2 C2S1
C1S1 S1S2 B
C2S2
C1S2
C
VV
VM
MM
(V V) = 18C2 = 153
(M M) = 14C2 = 91
153
P (V V) = 0,3084
496
91
P (M M) = 0,1834
496
P (M V) = 0,5081