Estadstica

Muestreo

Frecuencias

Distribucin de frecuencias

Representacin grafica e interpretacin

Media aritmtica

Media

Moda

Mediana

Geomtrica

Media armnica

Rango

Desviacin media

Desviacin tpica

Varianza

Sesgo

Apuntamientos

Momentos

Coeficiente de correlacin

Recta de regresin

Error estndar de estimacin

Concepto

Es el procedimiento mediante el cul seleccionamos

Muestreo
una muestra representativa de la poblacin, objeto
de estudio.

Caractersticas

El investigador tienen que resolver el diseo y la

eleccin de la muestra. Las dos acciones estn
relacionadas ya que dependiendo del diseo que utilice
el investigados as de ser la eleccin de los sujetos de
estudio.

Conceptos bsicos: universo, poblacin, muestra,

elemento o individuo (muestra)

Sus etapas son: preparacin, muestreo, muestra

individual, muestra participante y muestra real.

Preparacin: En esta se define el universo y la poblacin a partir

de la cual se va extraer la muestra

Muestreo: se determina la tcnica mas apropiada en funcin del

problema, las hiptesis y el diseo y a lo largo del proceso de
datos nos referimos a:

muestras invitada: son los sujetos de la poblacin a quienes le les

invita a participar

Muestra participante. Son los sujetos que aceptan formar parte

del estudio.

Muestra real. Es la muestra productora de los datos que servirn

para el anlisis final. La diferencia entre la muestra invitada y la
muestra real rara vez aparece especificado en los informes de
investigacin.

Etapas de muestreo

Formula

Para calcular el tamao de la muestra suele

utilizarse la siguiente frmula:

Donde:

Ejemplo y uso en la vida

Un colegio tiene 120 alumnos de bachillerato. Se

quiere extrear una muestra de 30 alumnos.

Se enumeran los alumnos del 1 al 120

Se calcula el intervalo constante de cada

individuo = N() poblacin/n(muestra)= 120/30=4

Sorteando un numero del 1 al 4 supongamos que

sale el numero 3 el primer alumno se obtendra
sumando 3 hasta tener 30 alumnos, los alumnos
seleccionados para la muestra serian los que
correspondern a los nmeros 3,6,9,12,15,18,21
etc.

Frecuencias

El manejo de la informacin de datos de tal forma

que permita obtener una forma mas fcil la
obtencin de conclusiones acerca de la muestra y
se ordenan los datos de acuerdo a ciertas
caractersticas.

El manejo de datos nos permite el manejo de

tablas sobre todo cuando el nmero de datos no
es muy reducido.

Caractersticas

En caso de los valores pueden ser representadas por

variables con nombre (xi) y el numero de veces en que
un dato se representara mediante frecuencias.

Frecuencia absoluta, relativas la representacin de esta

tabla se conoce como tabla estadstica cuya funcin es
la determinar la frecuencia de cada clase.

Formula

La frecuencia absoluta acumuladaFi:Para un determinado valor

se considera como la frecuencia de cada datoximas la suma de los
valores anteriores a dicha suma.

Fi=ni

dondeson el numero de datos acumulados de las clases anteriores

La frecuencia relativahi:es el cocientehi=fi/N, en algunas

ocasiones se representa como ni/N,dondeNes el nmero total de
datos, corresponde a la suma de todas la frecuencias individuales
de cada clase, yniofilos datos en cada clase. Las frecuencias
relativas representan el porciento de veces en que ocurre un dato.
Como veremos en teora de probabilidades, el concepto de
frecuencia relativa nos conduce a un concepto de probabilidad.

Ejemplo
Variable (Xi)

Frecuencia f(xi)
(el nmero
vecesnique se
repiteXi)

Frecuencia
relativa
f(xi)/N=ni/N

x1

f(X1)=n1

f(X1)/N=n1/N

x2

f(X2)=n2

f(X2)/N=n2/N

x3

f(X3)=n3

f(X3)/N=n3/N

Xn-1

f(X3)=n-1

f(X1)/N=n-1/N

Xn

f(X3)=nn

f(X1)/N=nn/N

..

Uso en la vida

La distribucin de frecuencia es una disposicin

tabular de datos estadsticos, ordenados ascendente o
descendentemente, de acuerdo a la frecuencia de
cada dato.

Distribucin de
frecuencias

FRECUENCIA ABSOLUTA (f ): Es el nmero de veces que se

Caractersticas
repite un determinado valor de la variable (x ). Se designa por

fi. PROPIEDAD: la suma de todas las frecuencias absolutas es

igual al total de observaciones (n).

FRECUENCIA ACUMULADA (Fi)Las frecuencias acumuladas

de una distribucin de frecuencias son aquellas que se
obtienen de las sumas sucesivas de las fi que integran cada
una de las filas de una distribucin de frecuencia

FRECUENCIA RELATIVA (hi): Es aquella que resulta de dividir

cada una de las frecuencias absolutas entre el nmero total de
datos. Las frecuencias relativas se designan con las letras h i.

FRECUENCIA RELATIVA ACUMULADA (Hi): Es aquella que

resulta de dividir cada una de las frecuencias acumuladas
entre nmero total de datos. Se designa con las letras H i

Formulas

El gobierno desea averiguar si el nmero medio de hijos por familia

ha descendido respecto de la dcada anterior. Para ello ha
encuestado a 50 familias respecto al nmero de hijos, y ha
obtenido los siguientes datos: 0
0 1 1 1 1 2 2 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2

Ejemplo

2
4

3
4

3
4

3
4

3
4

3
4

3
5

3
6

Para construir la tabla de frecuencias hay que tener en cuenta que

la variable en estudio es el nmero de hijos (discreta), que toma
los valores existentes entre 0 y 6 hijos y las frecuencias son el
conjunto de familias, de esta forma tenemos:

Ejemplo,
en
vida
En lala
columna
de las f : 2+4+21=27 en la columna de las F : F = 27

En la columna de las fi: 21+15=36 en la columna de las Fi: 42-6=36

En la columna de las hj: 0.12+0.02+0.02=0.16, que supone un 16%

en la columna de las Hi: 1-0.84=0.16, 16%

Representacin grafica y
interpretacin

Determinar cmo se van a obtener los datos y

seleccionar la muestra dentro de la poblacin.

Lapoblacines el conjunto fuente para

conseguir la informacin requerida.

Lamuestraes el subconjunto finito de la

poblacin. Debe ser representativa de la
caracterstica que se desea estudiar.

Recopilacin datos:

Ejecucin en terreno, se aplicanLAS ENCUESTASo

las entrevistas para obtener los datos solicitados.

En el ejemplo, se pregunta a cada integrante de la

muestra Cuntas personas conforman su ncleo
familiar?

Caractersticas

Procesamiento de la informacin: Esta fase consta de tres

partes.

Organizacin de los datos:Se ordena la informacin

Presentacin de los datos:Puede hacerse mediante tablas

o grficos.

Anlisis e interpretacin de los datos:Es donde se llega a

conclusiones sobre la investigacin y con los resultados se
pueden realizar pronsticos, hacer valoraciones y tomar
decisiones.

Si el precioy
deejemplo
un viaje en taxi lo calculamos mediante
Formula
laecuacin (en $) = 220 distancia (en km) +

1,5construir una tabla para recorridos de2, 3, 5, 7, 8, 10,

12 y 13 km.

La tabla quedar as:

La representacin de graficas y interpretacin de

la informacin nos ayuda en una gran cantidad
cuando tenemos gran cantidad de datos un
ejemplo que lo usamos en la vida viaria seria el
del aumento a las bebidas
carbonatadas(refrescos) y ese pequeo impuesto
lo recibe el gobierno que consta de millones de
pesos por cada coca-cola vendida con toda esa
cantidad de informacin se pueden hacer graficas
que informen a los empresarios de coca-cola
como se vende su producto con el impuesto.

Uso en la vida diaria

Media Aritmtica

La media aritmtica o promedio destaca por

representar el reparto equitativo, el equilibrio, la
equidad. Es el valor que tendran los datos, si
todos ellos fueran iguales. O, tambin, el valor
que correspondera a cada uno de los datos de la
distribucin si su suma total se repartiera por
igual.

Caractersticas

Las caractersticas es la divisin particular de los

datos

Formula

Ejemplo

Para dos nmeros a + b la media seria a+ b/2

Para tres nmeros a +b + c la media seria a + b+ c/3

Uso en la vida

Jos cosech del rbol 4 peras, Catalina 2 peras, y Mara 6. Los nios juntaron sus
frutas y se las repartieron en forma igualitaria. Cuntas peras obtuvo cada uno?
Solucin. Calculemos la media aritmtica :Resultado: Cada uno obtuvo 4 peras.

4+2+6
3

12
3

=4

Mediana Estadistica

La mediana estadstica es el nmero central

de un grupo de nmeros ordenados por
tamao. Si la cantidad de trminos es par, la
mediana es el promedio de los dos nmeros
centrales

Caracteristicas

Ordena los nmeros segn su tamao

Si la cantidad de trminos es impar, la

mediana es el valor central.

Si la cantidad de trminos es par, suma los

dos trminos del medio y divide por 2.

Ejemplo

Uso en la vida

Un ejemplo seria si tenemos un numero finito de

empleados de ciertas edades y queremos saber cual es
la mediana de ellas para esto tomaremos los registro o
juntar a las personas y acomodarlos de mayor a menor
despues dividiremos el valor total y el numero que nos
salga ser el numero de personas que tiene la edad
mediana de la empresa as podemos saber de que
edades contratamos a las personas

Moda
Lamodaes elvalorque tienemayor frecuencia absoluta.
Se representa porMo. Se puede hallar lamodaparavariables
cualitativasycuantitativas.
Hallarlamodade la distribucin:
2, 3, 3, 4, 4, 4, 5, 5 Mo= 4
Si en un grupo haydos o varias puntuacionescon lamisma frecuenciay esa frecuencia
es la mxima, la distribucinesbimodalomultimodal, es decir, tienevarias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 Mo= 1, 5, 9
Cuando todas laspuntuacionesde un grupo tienen lamisma frecuencia,nohaymoda.
2, 2, 3, 3, 6, 6, 9, 9
Sidos puntuaciones adyacentestienen lafrecuencia mxima, lamodaes
elpromediode las dos puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8 Mo = 4

Lies el lmite inferior de la clase modal.

fies la frecuencia absoluta de la clase modal.

fi--1es la frecuencia absoluta inmediatamente inferior a la

clase modal.

fi-+1es la frecuencia absoluta inmediatamente posterior a la

clase modal.

aies la amplitud de la clase.

Tambin se utiliza otrafrmulade lamodaque da

unvalor aproximadode sta:

Caractersticas

Calcularlamodade una distribucin estadstica que viene

dada por la siguiente tabla:

Ejemplo

En primer lugar tenemos que hallar las alturas.

La clase modal es la que tiene mayor altura.

Lafrmulade lamoda aproximadacuando existen distintas amplitudes es:

Los intervalos tienen amplitudes

distintas

En la siguiente tabla se muestra las calificaciones (suspenso,

aprobado, notable y sobresaliente) obtenidas por un grupo de 50
alumnos.Calcular la moda.

Uso en la vida diaria

Media geomtrica

Enmatemticas yestadstica, lamedia

geomtricade una cantidad arbitraria de
nmeros (por decirnnmeros) es laraz n-sima
del producto de todos los nmeros, es
recomendada para datos de progresin
geomtrica, para promediar razones, inters
compuesto y nmeros ndices.

caracteristicas

Todos los elementos del conjunto tienen que ser

mayores que cero. Si algn elemento fuese cero
(Xi=0), entonces la MG sera 0 aunque todos los
dems valores estuviesen alejados del cero

Lamedia geomtricaes til para calcular

medias de porcentajes, tantos por uno,
puntuaciones o ndices. Tiene la ventaja de que
no es tan sensible como lamedia a los valores
extremos

Ejemplo
Por ejemplo, la media geomtrica de 2 y 18 es.
Otro ejemplo, la media de 1, 3 y 9 sera

En una empresa quieren saber laproporcin media

de mujeresen los diferentes departamentos. Para
ello, se recoge el porcentaje de mujeres en los cinco
principales departamentos.

Como es la media de porcentajes, calculamos lamedia

geomtricaque es ms representativa.

Media armnica
Lamedia armnica', denominadaH, de una
cantidad finita de nmeros es igual alrecproco, o
inverso, de lamedia aritmtica de los recprocos de
dichos valores y es recomendada para promediar
velocidades.
As, dadosnnmerosx1, x2, ... , xnla media armnica
ser igual a:
La media armnica resulta poco influida por la existencia
de determinados valores mucho ms grandes que el
conjunto de los otros, siendo en cambio sensible a valores
mucho ms pequeos que el conjunto.
La media armnica no est definida en el caso de que
exista algn valor nulo.

Caractersticas
La inversa de la media armnica es la media
aritmtica de los inversos de los valores de la
variable.
Siempre se puede pasar de una media armnica a
una media aritmtica transformando adecuadamente
los datos.

La media armnica siempre es mejor o igual que

la media armnica ya que para cuales quiera
nmeros positivos

XI>0

Ejemplo
Lamedia armnicano tiene un uso muy extenso en
el mundo cientfico. Suele utilizarse principalmente
para calcular la media de velocidades, tiempos o en
electrnica.
Ejemplo:
Un tren realiza un trayecto de 400km. La va tiene en
mal estado que no permitan correr. Los primeros 100
km los recorre a 120km/h, los siguientes 100km la
va est en mal estado y va a 20km/h, los terceros a
100km/h y los 100 ltimos a 130km/h. Para calcular
el promedio de velocidades, calculamos lamedia
armnica.

Uso en la vida diaria

Supngase que una familia realiza un viaje en
automvil a un ciudad y cubre los primeros 100 km a
60 km/h, los siguientes 100 km a 70 km/h y los
ltimos 100 km a 80 km/h. Calcular, en esas
condiciones, la velocidad media realizada

Rango

En estadstica, elrangorepresenta la diferencia

entre el valor mximo y el valor mnimo de un
conjunto de datos. El rango nos muestra qu tan
distribuidos estn los valores en una serie. Si el
rango es un nmero muy alto, entonces los
valores de la serie estn bastante distribuidos; en
cambio, si se trata de un nmero pequeo, quiere
decir que los valores de la serie estn muy cerca
entre s.

Donde la notacinx(i)indica que se trata del

elementoi-simo de la serie de datos. De
este modo, el rango sera la diferencia entre
el valor mximo (k) y el mnimo; o, lo que es
lo mismo:

Por ejemplo, para una serie de datos de carcter

cuantitativo, como lo es la estatura medida en
centmetros, tendramos:

es posible ordenar los datos como sigue.

R = 185-155 = 30

DESVIACION MEDIA

La desviacin media es unamedida de dispersin, una

medida de cmo los valores individuales de el conjunto
pueden diferir de la media. El valor absoluto se usa
para evitar que las desviaciones de signo contrario se
cancelan mutuamente.

El criterio que gua esta estadstica, radica en el uso de diferencias de

cada dato respecto a la mediana muestralm.

CARACTERISTICAS
Si estas diferencias son muy grandes, entonces estamos ante un caso

de gran variabilidad, y si son pequeas se espera que la variabilidad

sea pequea.

Naturalmente que el criterio que parece ms apropiado es agrupar las

discrepancias individuales y tratarlas en conjunto.

Un agrupamiento natural sera una suma de ellas, pero el slo uso de

las diferencias no garantiza que se pueda medir discrepancias porque
algunas (prcticamente la mitad) sern menores que la mediana, con
diferencias negativas, y el resto mayores que la mediana, con
diferencias
positivas,
y
al
sumar
dichos
valores
habra
compensaciones entre valores negativos y positivos.

Por lo tanto, una salida a esta dificultad es considerar el valor absoluto

de la diferencias calculadas y promediarlos.

FORMULAS

Esta calculadora utiliza la formula siguiente para calcular la

desviacin media:

Donde n es el nmero de valores observados, x-bar, la media

de los valores observados, y xison los valores individuales.

Dondemrepresenta la mediana de los datos

EJEMPLO

Ejemplo de la vida diaria

Para analizar la variabilidad de las variables de

uso diario, depende de la vida de la persona, una
persona puede saber la variabildiad del tiempo
que tarda en llegar de su casa al trabajo y
viceversa.
La variabilidad de los puntajes de equipos de
ftbol, las carreras anotadas por un equipo de
beisbol, la variacin de su peso en un mes, en unn
ao, etc.

DESVIACION TIPICA

Para un conjunto de elementos numricos x1, x2,

x3,x4xN. La desviacin tpica se define como la
raz cuadrad del cuadrado de la media de los
datos agrupados de las desviaciones respecto a la
medida arrtmica, es decir, es la raiz cuadrad de
la varianza.

CARACTERISTICAS

Ladesviacin tpicaes laraz cuadrada de la

varianza.

Es decir, la raz cuadrada de la media de los

cuadrados de las puntuaciones de desviacin.

Ladesviacin tpicase representa por

Formulas

VARIANZA

Enteora de probabilidad, lavarianza(que suele

representarse como) de unavariable aleatoriaes
unamedida de dispersindefinida
como
la
esperanzadel cuadrado de la desviacin de dicha
variable respecto a su media.

Est medida en unidades distintas de las de la

variable. Por ejemplo, si la variable mide una
distancia en metros, la varianza se expresa en
metros al cuadrado. Ladesviacin estndares la
raz cuadrada de la varianza, es una medida de
dispersin alternativa expresada en las mismas
unidades de los datos de la variable objeto de
estudio. La varianza tiene como valor mnimo 0.

CARACTERISCAS

Propiedades de la varianza

Dos propiedades importantes de la varianza son:

La varianza de una constante es cero

Otra propiedad importante es que si se tiene la

varianzade un conjunto de datos y a cada
observacin se multiplica por una constante,
entonces la nueva varianza de los datos se
obtiene multiplicando a la varianza de los datos
por

FORMULAS
Su formula matemtica para el caso de datos
referentes a una muestra es:
Y para el caso de datos de una
poblacin es dada por

Ejemplo

Vida diaria

Para analizar la variabilidad de las variables de uso

diario, depende de la vida de la persona, una persona
puede saber la variabildiad del tiempo que tarda en
llegar de su casa al trabajo y viceversa.
La variabilidad de los puntajes de equipos de ftbol, las
carreras anotadas por un equipo de beisbol, la variacin
de su peso en un mes, en unn ao, etc.

Sesgo

Sesgoproviene desesgar, un verbo que hace

referencia a torcer o atravesar algo hacia uno de
suslados. El trmino, por lo tanto, se utiliza para
hablar dealgo torcido, cortado o que se sita
de forma oblicua.

Elsesgo estadsticoes un error que se detecta

en los resultados de un estudio y que se debe a
factores en la recoleccin, anlisis, interpretacin
o revisin de losdatos.

evala el grado de distorsin o inclinacin que

adopta la distribucin de los datos respecto a su
valor promedio tomado como centro de gravedad

Caracteristicas

Formula

El coeficiente de asimetra de Pearson es:

Ejemplo

En el ejemplo sobre los gastos diarios en peridicos el

Promedio es 7.87 le Mediana es 7.80 y la desviacin
estndar 1.293, por tanto el sesgo es ligeramente
positivo +0.16

En la vida viaria

Cuando se quiere medir el dametro de los

tornillos de una produccin, la grfica del
lado izquierdo puede representar las
mediciones con un instrumento mal
calibrado, que siempre mide por debajo del
valor real. La grfica del lado derecho puede
obtenerse con otro instrumento mal
calibrado, que siempre mide por encima del
valor real. La grfica del centro presenta la
distribucin de los valores reales de los
dimetros en toda la produccin.

Apuntamiento

Es una caracterstica importante en la variacin

de algunas distribuciones especialmente en lo
quese refiere al grado de agudeza de una curva
de frecuencia. Esta agudeza que se observa en la
regin de la moda, comparada con las condiciones
halladas para el mismo sitio en la curva normal,es
lo que se llama apuntamiento o curtosis

Caractersticas

Formula

Ejemplo

Uso en la vida diaria

Momentos

Son formulaciones matemticas, que se definen

como parmetros estadsticos,algunos de ellos
cuales tienen amplia connotacin dentro del
estudio de curvasde distribucin de frecuencias y
ms especficamente respecto del sesgo y de la
curtosis.

Caracteristicas

Los momentos son una forma de generalizar toda

la teora relativa a los parmetros estadsticos y
guardan relacin con una buena parte de
ellos.Dada una distribucin de datos
estadsticosx1,x2, ...,xn, se define elmomento
centralomomento centradode ordenkcomo

Formula
Para variables continuas la definicin cambia sumas
discretas por integrales (suma continua), aunque la
definicin es, esencialmente, la misma.
De esta definicin y las propiedades de los parmetros
implicados que se han visto ms arriba, se deduce
inmediatamente que:

Ejemplo

Uso en la vida diaria

Todos los objetos y situaciones de la vida diaria

son medibles, es decir, se pueden medir en su
tamao o volumen, en su peso, en su extensin,
en su duracin o inclusive en los equivalentes
que le hayamos asignado a cada objeto o
situacin.

Estos equivalentes los fijamos de acuerdo a las

condiciones particulares y a veces de forma
convencional sin que sea esa la norma general.
La medicin contribuye a que podamos construir
un principio de realidad del mundo que nos
rodean en tanto podamos describir los objetos o
las situaciones en valores.

Coeficiente de correlacion

En una distribucin bidimensional puede ocurrir que las

dos variables guarden algn tipo de relacin entre si.

Por ejemplo, si se analiza la estatura y el peso de los

alumnos de una clase es muy posible que exista relacin
entre ambas variables: mientras ms alto sea el
alumno, mayor ser su peso.

Caracteristicas

Mide el grado de intensidad de esta posible relacin entre

las variables. Este coeficiente se aplica cuando la relacin
que puede existir entre las variables es lineal (es decir, si
representramos en un grfico los pares de valores de las
dos variables la nube de puntos se aproximara a una
recta).

No obstante, puede que exista una relacin que no sea

lineal, sino exponencial, parablica, etc. En estos casos, el
coeficiente de correlacin lineal medira mal la intensidad
de la relacin las variables, por lo que convendra utilizar
otro tipo de coeficiente ms apropiado.

Para ver, por tanto, si se puede utilizar el coeficiente de

correlacin lineal, lo mejor es representar los pares de
valores en un grfico y ver que forma describen.

Numerador:se denominacovarianzay se calcula de la siguiente manera: en

cada par de valores (x,y) se multiplica la "x" menos su media, por la "y" menos
su media. Se suma el resultado obtenido de todos los pares de valores y este
resultado se divide por el tamao de la muestra.
Denominadorse calcula el producto de las varianzas de "x" y de "y", y a este
producto se le calcula la raz cuadrada.
Los valores que puede tomar elcoeficiente de correlacin"r"son: -1 < r < 1
Si "r" > 0, la correlacin lineal es positiva (si sube el valor de una variable sube
el de la otra). La correlacin es tanto ms fuerte cuanto ms se aproxime a 1.
Por ejemplo: altura y peso: los alumnos ms altos suelen pesar ms.
Si "r" < 0, la correlacin lineal es negativa (si sube el valor de una variable
disminuye el de la otra). La correlacin negativa es tanto ms fuerte cuanto
ms se aproxime a -1.
Por ejemplo: peso y velocidad: los alumnos ms gordos suelen correr menos.
Si "r" = 0,no existe correlacin lineal entre las variables. Aunque podra existir
otro tipo de correlacin (parablica, exponencial, etc.)

Formula

vamos a calcular el coeficiente de correlacin de la

Ejemplo
siguiente serie de datos de altura y peso de los
alumnos de una clase:

Uso en la vida diaria

El coeficiente de correlacin nos da una idea de que tan relacionadas

linealmente estn dos variables. Es un nmero que vara entre 0 y 1.
Si el coeficiente es > 0.9, entonces es una buena correlacin.
Mucha gente coincide en que un coeficiente < 0.3 indica que las variables
no estn correlacionadas.
1 es una correlacin perfecta.
Si tenemos una cantidad de mediciones, y creemos que estn relacionadas
linealmente, entonces stas se ubicarn ms o menos cerca de una recta,
que llamamos la mejor recta que se ajusta a los datos.
En regresin lineal, un mtodo para encontrar esta mejor recta,
obtendremos dos rectas distintas dependiendo de que valores utilicemos
para el eje de las abscisas y cules para las ordenadas. Tendremos dos
posibles rectas. El coeficiente tambin nos indica en cunto difieren estas
dos rectas.
Si el coeficiente es 1, entonces las rectas son paralelas.
Si el coeficiente es 0, las rectas son perpendiculares.

Rectas de regrecion

Observando el diagrama de dispersin, podemos

obtener una primera idea de si existe relacin o no
entre las variables estadsticas. Con el coeficiente de
correlacin podemos medir la correlacin lineal, en
caso de existir. Vamos ahora a calcular las lneas que
mejor se aproximen a la nube de puntos. A estas lneas
se les llamalneas de regresin.

La funcin que mejor se aproxima a la nube de puntos

puede ser lineal, de segundo grado, exponencial,
logartmica, ... En este tema vamos a calcular
nicamente funciones lineales, que vamos a
llamarrectas de regresin.

Caracteristicas

La forma de obtener estas rectas es por el procedimiento

conocido como el mtodo de los mnimos cuadrados.
Buscamos una recta de ecuacin y=mx+n que sea la mejor
aproximacin. Cada punto xide la primera variable
tendr, por una parte, el valor correspondiente a la
segunda variable yi,y por otra, su imagen por la recta de
regresin y=mxi+n. Entre estos dos valores existir una
diferencia di=mxi+n-yi. Vamos a calcular la recta con la
condicin de que la suma de los cuadrados de todas estas
diferencias (mxi+n-yi)2sea mnima. Derivando respecto
de m y de n y realizando los clculos matemticos
necesarios, llegamos a la recta de regresin de Y sobre X,
que tiene por ecuacin en la forma punto-pendiente:

Formula

Consideremos un grupo de 4 personas para las que

conocemos sus puntuaciones en determinadas
variables X e Y, segn se muestra en las dos
primeras columnas de la siguiente tabla

Ejemplo

Uso en la vida

Imagina que queremos relacionar el tiempo que tarda un ordenador en hacer un clculo como por
ejemplo cargar un juego. Damos nombres de letras a los parametros medidos:
potencias de un ordenador en megahercios: x
tiempo que tarda en cargar el juego: y
Suponte que tenemos 6 ordenadores, y entondos ellos cargarmos el juego y cronometramos cuanto
tarda en cargarlo. Apuntamos los resultados en la siguiente tabla:
x: 100MHz | 200MHz | 300MHz | 400MHz | 500MHz | 600MHz
y: 30.1 seg| 24.8 seg | 20.5 seg | 15.3 seg | 9.8 seg | 5.2 seg
Aplicando la frmula de " y = media(y) * (Covarianza / Varianza(y) ) * (x - media(x)) " (La formula que
tendrs en los apuntes)
La covarianza, varianza y la media son frmulas simples, slo tienes que hacer las operaciones.
Haciendo las operaciones obtienes la frmula de la forma " y = mx + n ". Esa es la recta de regresin.
Si por ejemplo quisieras saber cunto tardara en cargarse el juego en el ordenador de 800 mhz,
bastara con sustituir la x por 800 y calculas la y.

Error estndar de estimacin

ElError estndares el trmino utilizado para referirse

a una estimacin de la desviacin estndar, derivado de
una muestra especial utilizada para calcular la
estimacin en las estadsticas. En la ms comn, error
estndar es un proceso de estimacin de la desviacin
estndar de la distribucin de muestreo asociada con el
mtodo de estimacin

Caracteristicas

Cada estadstica tiene un error estndar asociado. Una

medida de la precisin de la estadstica puede deducir
que el error estndar de 0 representa que la estadstica
tiene ningn error aleatorio y el ms grande representa
menos preciso de las estadsticas. Error estndar no es
constantemente informados y no siempre fciles de
calcular. Tiempos de espera es uno de los ejemplo bien
para

Formula

El error estndar de la media (SEM) es la

desviacin estndar de la estimacin promedio de
muestra de una media de la poblacin. La
calculadora de Error estndar utiliza la frmula
para calcular que el error estndar de la media es
i.e., la desviacin estndar dividida por la raz
cuadrada del tamao de la muestra
Donde
SExx= Error estndar de la media
s = Desviacin estndar de la media
n = Nmero de observaciones de la muestra

Ejemplo

Uso en la vida diaria

La desviacin estndar de una distribucin, en el muestreo

de un estadstico, es frecuentemente llamada el error
estndar del estadstico. Por ejemplo, la desviacin estndar
de las medias de todas la muestras posibles del mismo
tamao, extradas de una poblacin, es llamada el error
estndar de la media. De la misma manera, la desviacin
estndar de las proporciones de todas las muestras posibles
del mismo tamao, extradas de una poblacin, es llamada
el error estndar de la proporcin. La diferencia entre los
trminos "desviacin estndar" y "error de estndar" es que
la primera se refiere a los valores originales, mientras que la
ltima est relacionada con valores calculados. Un
estadstico es un valor calculado, obtenido con los
elementos incluidos en una muestra.

Probabilidad

Operacin con conjuntos

Diagrama de ven

Teorema del binomio

Diagrama de rbol

Eventos complementarios

Conceptos bsicos

Principio de la suma y la multiplicacin

Permutacin y combinacin

Probabilidad condicional

Eventos independientes

Teorema de bayes

Selecciones al azar con o sin remplazo

Operacin de conjuntos

Caractersticas

La palabra conjunto la asociamos con la idea de agrupar

objetos por ejemplo un conjunto de discos, de plantas de
cultivo, de libros y en otras palabras como parcelas,
campos, familia etc. es decir la palabra conjunto denota una
coleccin de elementos claramente entre s, que guardan
alguna caracterstica en comn. Ya sean nmeros, personas,
figuras, ideas y conceptos.

La caracterstica esencial de un conjunto es la de estar bien

definido, es decir que dado un objeto particular, determinar si
este pertenece o no al conjunto. Por ejemplo si se considera el
conjunto de los nmeros dgitos, sabemos que el 3 pertenece al
conjunto, pero el 19 no. Por otro lado el conjunto de las bellas
obras musicales no es un conjunto bien definido, puesto que
diferentes personas puedan incluir distintas obras en el
conjunto.

Los objetos que forman un conjunto son llamados miembros o elementos.

Por ejemplo el conjunto de las letras de alfabeto; a, b, c, ..., x, y, z. que se puede
escribir as:
{ a, b, c, ..., x, y, z}
Como se muestra el conjunto se escribe entre llaves ({}) , o separados por comas
(,).
El detallar a todos los elementos de un conjunto entre las llaves, se
denominaforma tabular, extensinoenumeracin de los elementos.
Dos conjuntos son igualessi tienen los mismos elementos, por ejemplo:
El conjunto { a, b, c } tambin puede escribirse:
{ a, c, b }, { b, a, c }, { b, c, a }, { c, a, b }, { c, b, a }
En teora de conjuntos se acostumbrano repetira los elementos por ejemplo:
El conjunto { b, b, b, d, d } simplemente ser { b, d }.

MEMBRESIA

Los conjuntos se denotan por letras maysculas : A, B, C,... por ejemplo:

A={ a, c, b }

B={ primavera, verano, otoo, invierno }

El smbolo indicar que un elemento pertenece o es miembro de un conjunto. Por el

contrario para indicar que un elemento no pertenece al conjunto de referencia,
bastar cancelarlo con una raya inclinada / quedando el smbolo como .

Ejemplo:
Sea B={ a, e, i, o, u }, a B y c B

SUBCONJUNTO

Sean los conjuntos A={ 0, 1, 2, 3, 5, 8 } y B={ 1, 2, 5 }

En este caso decimos que B esta contenido en A, o que B es

subconjunto de A. En general si A y B son dos conjuntos
cualesquiera, decimos que B es un subconjunto de A si todo
elemento de B lo es de A tambin.

Por lo tanto si B es un subconjunto de A se escribe B A. Si B no es

subconjunto de A se indicar con una diagonal .

Note que se utiliza solo para elementos de un conjunto y solo

para conjuntos.

UNIVERSO O CONJUNTO UNIVERSAL

El conjunto que contiene a todos los elementos a los que se hace referencia recibe el
nombre de conjunto Universal, este conjunto depende del problema que se estudia, se
denota con la letra U y algunas veces con la letra S (espacio muestra).
Por ejemplo si solo queremos referirnos a los 5 primeros nmeros naturales el conjunto
queda:
U={ 1, 2, 3, 4, 5 }
Forma alternativa para indicar conjuntos de gran importancia:
Conjunto de nmeros naturales (enteros mayores que cero) representados por la letra N
donde
N={ 1, 2, 3, .... }
Conjunto de nmeros enteros positivos y negativos representados por la letra Z donde
Z={..., -2, -1, 0, 1, 2, ... }

Conjunto de nmeros racionales (nmeros que se representan como el cociente de

dos nmeros enteros {fracciones }). Estos nmeros se representan por una Q

Conjunto de nmeros irracionales (nmeros que no puedan representarse como el

cociente de dos nmeros enteros) representados por la letra I.

Conjunto de los nmeros reales que son los nmeros racionales e irracionales es
decir todos, representados por R.

Todos estos conjuntos tienen un nmero infinito de elementos, la forma de

simbolizarlos por extensin o por enumeracin es de gran utilidad cuando los
conjuntos a los que se hace referencia tienen pocos elementos para poder trabajar
con ellos se emplean la notacin llamada comprehensin.

Por ejemplo, la denotar el conjunto de los nmeros naturales menores que 60.
Aqu U es el conjunto N y se tiene una propiedad que caracteriza a los elementos
del conjunto: ser menores que 60.

Para indicar esta situacin empleamos la simbologa del lgebra de conjuntos:

{ x/x N ; x<60 }

En esta expresin se maneja un conjunto de x que pertenece a los nmeros

naturales (N) y adems que los valores de x son menores que 60.

Ahora si se desea trabajar con conjuntos que manejen intervalos estos pueden
ser representados por medio de una expresin algebraica; supongamos que se
desea expresar los nmeros enteros (Z) entre -20 y 30 el conjunto quedara de la
manera siguiente:

{ x/x Z ; -20 x 30 }

Tambin se puede expresar el valor de un conjunto indicando la pertenencia o no

pertenencia a uno diferente, por ejemplo

L={ 1, 3, 4, 6, 9 }

P={ x/x N ; X L }

En el conjunto P se indica que los elementos x de un conjunto pertenecen a los

nmeros naturales y adems x no pertenece al conjunto L.

Formulas

UNION

La unin de dos conjuntos A y B la denotaremos por A B y es el

conjunto formado por los elementos que pertenecen al menos a
uno de ellos a los dos. Lo que se denota por:

A B = { x/x A x B }

Ejemplo: Sean los conjuntos A={ 1, 3, 5, 7, 9 } y B={ 10, 11, 12 }

A B ={ 1, 3, 5, 7, 9, 10, 11, 12 }

INTERSECCION

Sean A={ 1, 2, 3, 4, 5, 6, 8, 9 } y B={ 2, 4, 8, 12 }

Los elementos comunes a los dos conjuntos son: { 2, 4, 8 }. A este conjunto se le

llama interseccin de A y B; y se denota por A B, algebraicamente se escribe as:

A B = { x/x A y x B }

Y se lee el conjunto de elementos x que estn en A y estn en B.

Ejemplo:

Sean Q={ a, n, p, y, q, s, r, o, b, k } y P={ l, u, a, o, s, r, b, v, y, z }

Q P={ a, b, o, r, s, y }

CONJUNTO VACIO

Un conjunto que no tiene elementos es llamado conjunto vaco conjunto

nulo lo que denotamos por el smbolo .

Por ejemplo:

Sean A={ 2, 4, 6 } y B={ 1, 3, 5, 7 } encontrar A B.

A B= { }

El resultado de A B= { } muestra que no hay elementos entre las llaves, si

este es el caso se le llamar conjunto vaco nulo y se puede representar
como:

A B=

CONJUNTOS AJENOS

S la interseccin de dos conjuntos es igual al conjunto vaco,

entonces a estos conjuntos les llamaremos conjuntos ajenos, es
decir:

Si A B = entonces A y B son ajenos.

COMPLEMENTO

El complemento de un conjunto respecto al universo U es el conjunto de

elementos de U que no pertenecen a A y se denota como A' y que se representa
por comprehensin como:

A'={ x U/x y x A }

Ejemplo:

Sea U = { 1, 2, 3, 4, 5, 6, 7, 8, 9 }

A= { 1, 3, 5, 7, 9 } donde A U

El complemento de A estar dado por:

A'= { 2, 4, 6, 8 }

DIFERENCIA

Sean A y B dos conjuntos. La diferencia de A y B se denota por A-B y es el conjunto de los elementos de A
que no estn en B y se representa por comprehensin como:

A - B={ x/x A ; X B }

Ejemplo:

Sea A= { a, b, c, d } y

B= { a, b, c, g, h, i }

A - B= { d }

En el ejemplo anterior se observa que solo interesan los elementos del conjunto A que no estn en B. Si
la operacin fuera B - A el resultado es

B A = { g, h, i }

E indica los elementos que estn en B y no en A

Ejemplo

As, por ejemplo, si A = { a, b, c, d, e } y B = { a, e, i,

o }, entonces la diferencia de dichos conjuntos estar
formada por todos los elementos que estn solamente
en A, esto es:

AB = { b, c, d}

Uso en la vida diaria

La teora de conjuntos para nuestra vida diaria tiene

demasiados ejemplos desde un saln de clases en donde
tenemos una cantidad finita de alumnos hasta en la
economa mundial donde se generan muchos productos
divididos es electrnicos, cosas para el hogar etc.,
donde todos ellos son un subconjunto del universo de
herramientas o utensilios para el uso diario a si mismo
desde la primaria no hacen contar con manzanas que
son un conjunto definido que cuando queremos
sumarlas con las perras no es posible por que son dos
cosas distintas la vida diaria esta llena de este tema
tanto subindote al camin que es un subconjunto de
todas las unidades de transporte publico etc.

Diagramas de venn

Caracteristicas

Los diagramas de Venn que de deben al filsofo ingls

John Venn (1834-1883) sirven para encontrar relaciones
entre conjuntos de manera grfica mediante dibujos
diagramas. La manera de representar el conjunto
Universal es un rectngulo, bien la hoja de papel con
que se trabaje.

La manera mas fcil de comprender las ideas de la teria

de conjuntos es por medio de los Diagramas de venn.

Dichos grficos nos ayudan a relacionar entre los

conjuntos a la igualdad, las operaciones de unin,
interseccin, diferencia y complemento.

En los diagramas de Venn, los conjuntos se representan

mediante vulos, crculos o nubes y el punto de referencias
es el conjunto universal U que se representa por un
rectngulo.

Con los conjuntos A y B contenidos en el conjunto

universal U, por medio de los diagramas de Venn se
pueden determinar las siguientes relaciones

En este diagrama se representa la igualdad entre A y B;

tambin se establece que el conjunto A es un subconjunto
del conjunto B o viceversa.
Por lo tanto A = B; A c B B c A

En este diagrama el conjunto A representa a un subconjunto

propio del conjunto B, es decir, todos los elementos de A
estn contenidos en B, mientras que B tiene por lo menos
un elemento no contenido en A.

En este diagrama los conjuntos A y B tienen en comn

algunos, pero no todos los elementos, es decir,
representan la interseccin entre A y B.
Por lo tanto A n B

En este conjunto A y B no tienen ningn elemento en

comn, es decir, representan a dos conjuntos disjuntos en
donde su interseccin es el conjunto vaco.
Por lo tanto A n B =

Formulas

Las principales operaciones entre dos conjuntos se

representan por medio de los siguientes diagramas de
Venn. Las superficies sombreadas en las siguientes
figuras ilustra la interseccin del conjunto A con el
conjunto B.

Las superficies sombreadas en las siguientes figuras,

ilustran la interseccin del conjunto A con el conjunto B.

La superficie sombreada en la siguiente figura, ilustra la

diferencia del conjunto A con el conjunto B.

El complemento A del conjunto A se ontine sombreado la

superficie del conjunto universal U no contenida en A, es
decir:

Ejemplo

En una escuela de idiomas hay 120 alumnos de los

cuales 65 estudian alemn, 55 ejercitan su ingles; 30
estudian a la vez alemn e ingles. Aplicando el diagrama
de Venn determinar;

a)

Los alumnos que solo estudian alemn

b)

Los alumnos que solo estudian ingles

c)

El nmero de alumnos que estudian alemn o ingles

d)

El numero de alumnos que no estudian de estos idiomas

Para empezar a analizar por medio de un diagrama de

Venn, el conjunto universal ser los 120 alumnos; el
conjunto A el que estudian alemn y el B el que estudia
ingles por la interseccin de ambos conjuntos tenemos
que 30 alumnos que estudian alemn a la misma vez que
ingles.

Los alumnos que solo estudian alemn son:

N(A)-N(AnB)= 65-30= 35
Los alumnos que solo estudian ingles son:
N(B)- n(AnB)= 55-30=25
El numero de alumos alemn o ingles son:
35+30+25= 90
El numero de alumnos que no estudian ninguno de estos
idiomas son: U-(35+25)=120-90=30

Uso en la vida daria

Pues se me viene a la mente un problema de administracin de

recursos humanos, en donde tengas un grupo de personas de
diferente genero, niveles de percepcin, obligaciones laborales,
antigedad y todas la s variables que te puedas imaginar. a partir
de solo conocer algunas caractersticas de este grupo determinar
el perfil completo de todo el grupo.
Lo mismo aplica para un proceso de produccin en donde de un
grupo de diferentes productos solo se conoce cierta informacin
limitada y se pide determinar optimizaciones en los tiempos de
produccin.
En ambos casos la lgica de conjunto y los diferentes teoremas
aplicados de manera correcta te ayudaran a definir
completamente todos los rasgos de la poblacin.

Tcnicas de conteo

Conceptos bsicos

Principio de la suma y la
multiplicacin

Permutacin y combinacin

Conceptos bsicos
Introduccin:
Para determinar sin describir directamente el nmero de
resultado posible de un experimento en particular o el numero
de elementos de un conjunto en especial, se requiere algunos
principios bsicos que faciliten el proceso, destacando. El
diagrama de rbol, el principio fundamental del conteo, la
notacin factorial, teorema del binomio, triangulo de Pascal, las
permutaciones y las particiones.
De otra manera podemos decir que permite determinar el
numero de elementos de un experimento, o el numero de
organizar de n elementos sin tener que contarlos.

Diagrama de rbol

Es un grafico que ilustra cmo enumerar todos los

resultados posibles de una serie de experimentos, en
donde cada experimento puede suceder de un numero
finito de maneras

Ejemplo

Si una dama tiene dos faldas {f1,f2} y cuatro blusas de

cuantas maneras puede seleccionar una falda y luego
una blusa?

Trazando el diagrama tenemos: puede seleccionar una

falda y una blusa de 8 maneras diferentes

Principio fundamental del

conteo

Si una operacin puede efectuarse independientemente

de n1 maneras diferentes y si, continuando el
procedimiento, una segunda operacin puede
efectuarse independientemente de n2 maneras
diferentes y si, despus de realizadas, una tercera
operacin puede efectuarse independientemente de n3
maneras diferentes y as sucesivamente(para un nmero
finito arbitrario de operaciones), entonces el nmero
total de maneras de las cuales pueden efectuarse todas
las operaciones en el orden es el producto n1n2n3.n1.

Ejemplo

Si un hombre tiene 15 camisas, 11 corbatas y 9

pantalones de cuantas maneras puede escoger una
camisa, una corbata y luego un pantaln

Solucin: El proceso completa tres pasos a efectuarse

en forma sucesiva, es decir para escoger una camisa si
tiene 15 maneras diferentes, para seleccionar una
corbata se tiene 11 maneras y para un pantaln se tiene
9 maneras distintas. A plicando el principio fundamental
del conteo tenemos que: (15) (11) (9) = 1485
combinaciones

Notacin factorial

El smbolo n! que se lee factorial de n, representa el

producto de los n nuemros enteros consecutivos desde 1
hasta n inclusive; matemticamente se expresa por:

N!=n(n-1)(n-2)(n-3)1
Es el desarrollo de cantantidades factoriales, siempre es
necesario conocer las siguientes equivalencias que se
define por 0!=1 1!=1
Ejemplo
Determina el 9!
9!=(9)(8)(7)(6)(5)(4)(3)(2)(1)=362880

Suma y resta de cantidades

factoriales

Para sumar y/o restar dos o ms nmeros factoriales, el

proceso consiste en seleccionar como factor de la
operacin al menor de los nmeros factoriales dado y
finalmente que se realiza la operacin para determinar
su resultado.

Ejemplo

Sumar 16!+18!-19!
Considerando al 16! Como el menor de los nmeros
factoriales dados, tenemos que la factorizacin de la
expresin es:
16!+18!-19!= 16!+16!(17)(18)-16!(17)(18)(19)
Sacando el factor comn nos quedara
16![1+1(17)(18)-1(17)(18)(19)]=16!(1+306-5814)= -16!(5507)
Por lo tanto el resultado es= -16!(5507)

Principio de la suma y la
multiplicacin
Principio de la suma:
Supongamos que un suceso E1 puede ocurrir
de m maneras y el segundo suceso E2 puede
ocurrir de n maneras, y supongamos que
ambos sucesos no pueden ocurrir
simultneamente. Entonces E1 o E2 puede
ocurrir de (m + n) maneras. Este principio se
puede extender a tres o ms sucesos.
Recordando el lema de teora de conjuntos
que dice. Supnganos que A y B son
conjuntos distintos. Entonces n(A B) = n(A) +
n(B), este tambin es principio de las suma.

Si seguimos todos los caminos posibles desde

el origen hasta cada una de las terminales,
tendremos las formas en que los viajeros
pueden hospedarse y que en este caso son seis
(H1H2, H1H3, H2H1, H2H3, H3H1, H3H2).

Una Universidad tiene 3 cursos diferentes de

matemticas, 4 de ciencias y 2 de humanidades.
Cuantas posibilidades hay de escoger uno de los
cursos?
Cuantas posibilidades hay de escoger un curso de
cada tipo?
En la primer pregunta los sucesos no pueden ocurrir de
manera simultanea, ya que elegir uno de los cursos,
excluye los dems tipos de curso, por lo tanto por el
principio de regla de la suma, tenemos: 3 + 4 + 2 = 9
posibilidades de escoger uno de los cursos.
En la segunda pregunta los sucesos pueden ocurrir de
forma simultanea, escoger un curso, por ejemplo de
matemticas, no excluye a los otros tipos de curso, por
lo tanto, usando el principio de multiplicacin (ver el
archivo anterior), tenemos: (3) (4) (2) = 24
posibilidades de escoger un curso de cada tipo.

Aplicaciones
El principio de la suma se encuentra subyacente en
toda prueba o enumeracin donde se divida un
conteo en casos separados.
Ejemplo: Conteo de opciones

Multiplicacin de cantidades
factoriales

La multiplicacin se realiza directamente al desarrollar

los factoriales.

Ejemplo: Obtener el producto de (4!) (3!) Solucin

Desarrollando los factoriales, datos tenemos que su

producto es:
(4!) (3!) = [(4)(3)(2)(1)][(3) (2) (1)]= (24)(6)= 144
La respuesta es 144

Divisin de factoriales

El proceso para dividir dos o ms factoriales, consiste

en factorizar el numerador y/o el denominador y
mediante la simplificacin se obtiene el resultado.

Obtener el cociente de 19!/17!

Ejemplo: Considerando al denominador (17!) como el

menor de los nmeros factoriales dados, tenemos que
factorizar el numerador y simplificar la expresin,
resultado.

19!/17! = (19)(18)17!/17! = 342

Formula

Cuando se tienen N objetos, al escoger al azar uno o ms de ellos,

interesa calcular la probabilidad de cada eleccin. Escoger al azar un
objeto de los N disponibles, significa que cada uno tiene la misma
probabilidad de ser elegido. Escoger al azar dos objetos de los N,
significa que cada posible par de objetos, sin considerar el orden,
tiene la misma probabilidad de ser elegido que cualquier otro par; si
existen k pares diferentes, entonces la probabilidad es escoger n
objetos de los N, significa que cada posible conjunto de n objetos,
sin considerar el orden, tiene la misma probabilidad de ser elegido
que cualquier otra conjunto de n objetos. El anlisis combinatorio
estudia los procedimientos y estrategias para contar las posibles
agrupaciones de los elementos de un conjunto, permitiendo
determinar el nmero de posibilidades lgicas que cabe esperar al
realizar algn experimento, sin necesidad de enumerarlas; es una
forma abreviada de contar que se resume en unas cuantas tcnicas
basadas en procedimientos y frmulas recurrentes.

Ejemplo
SALN DE CLASE. De cuntas maneras diferentes se pueden
sentar los 52 alumnos del grupo de Probabilidad en un saln que
dispone de 60 plazas?
El primer alumno que entra al saln puede escoger su lugar de entre
60 posibles, el segundo puede escoger lugar de entre 59 posibles,...
y as, sucesivamente, hasta el alumno nmero 52, que puede
escoger lugar de entre 9 posibles.
Evidentemente, 8 de los 60 lugares quedarn vacos; se trata de
calcular las ordenaciones de 60 objetos de orden 52

Aplicaciones

Las tcnicas de conteo son aquellas que son usadas

para enumerar eventos difciles de cuantificar.

Se les denomina tcnicas de conteo a: las

combinaciones, permutaciones y diagrama de
rbol, las que a continuacin se explicarn y hay
que destacar que stas nos proporcionan la
informacin de todas las maneras posibles en que
ocurre un evento determinado.

Principio de la multiplicacin

Principio de la multiplicacin:

Supongamos que un suceso E1 puede ocurrir de m

maneras y el segundo suceso E2 puede ocurrir de n
maneras, (sucesos independientes). Entonces las
combinaciones de E1 y de E2 pueden ocurrir de (m) (n)
maneras.
Este principio se puede extender a tres o ms sucesos.
Recordando el teorema de teora de conjuntos. Supnganos
que A y B son conjuntos finitos.
Entonces n(A B) = n(A) n(B), este tambin es principio de
la multiplicacin.

Formula

PRINCIPIO ADITIVO.

Si se desea llevar a efecto una actividad, la cul tiene

formas alternativas para ser realizada, donde la primera
de esas alternativas puede ser realizada de M maneras o
formas, la segunda alternativa puede realizarse de N
maneras o formas ..... y la ltima de las alternativas
puede ser realizada de W maneras o formas, entonces
esa actividad puede ser llevadaa cabo de,

M + N + .........+ Wmaneras o formas

Si una operacin se puede efectuar de n1 maneras y para

cada una de ellas se puede efectuar una segunda operacin
de n2 maneras y as sucesivamente hasta la operacin nr,
entonces el nmero de maneras en que el proceso puede
realizarse ser el producton1 n2...nr.

El principio de multiplicacin se puede representar

grficamente mediante el diagrama del rbol en la forma
siguiente:

Ejemplo
Dos viajeros llegan a una ciudad en la que hay 3
hoteles De cuntas maneras pueden hospedarse
si cada uno debe estar en un hotel diferente?
Solucin.
El primer viajero puede seleccionar cualquiera de
los 3 hoteles y el segundo viajero tendr 2
hoteles para escoger, ya que debe de estar en
uno diferente, por lo que el nmero de formas en
que pueden hospedarse los 2 viajeros en los 3
hoteles ser (3) (2) = 6.
Si deseamos resolver este problema mediante el
diagrama del rbol, representamos los hoteles
como H1, H2 y H3. Entonces tendremos:

Teorema del Binomio

El teorema del binomio es una frmula (por esto se

llama tambin frmula del binomio) con la cual se
puede escribir directamente los trminos del desarrollo
de una potencia entera y positiva de un binomio. Para
formarnos una idea de la estructura del desarrollo de :
Por multiplicacin directa podemos obtener

De acuerdo con estos desarrollos nos podemos dar una

idea acerca de la ley que siguen en su formacin:

Si el exponente del binomio es n, hay n+1 trminos en el

desarrollo.

Para cada valor de n, el desarrollo de empieza con y

termina con . En cada trmino los exponentes de a y b
suman n.

Las potencias de a disminuyen de 1 en 1 al pasar de cada

trmino al siguiente. La b aparece por primera vez en el
segundo trmino con exponente 1 que aumenta de 1 en 1.
El exponente de b siempre es una unidad menor que el
nmero de orden del trmino.

El primer coeficiente es la unidad, el de cualquier otro

trmino se obtiene multiplicando en el trmino anterior
su coeficiente por el exponente de a y dividiendo ese
producto entre el nmero de trminos anteriores al que se
trata de formar.

Cierta simetra constituye una caracterstica del

desarrollo del binomio. Esta simetra se puede apreciar al
disponer los coeficientes en el siguiente orden que se
conoce como Tringulo de Pascal, para valores enteros no
negativos de n en el desarrollo de .

PERMUTACION Y
COMBINACION
Hay dos tipos de permutaciones:
Se permite repetir: como la cerradura de arriba, podra
ser "333".
Sin repeticin: por ejemplo los tres primeros en una
carrera. No puedes quedar primero y segundo a la vez.
-Una permutacin de objetos es un arreglo de stos en el
que orden s importa. Para encontrar el nmero de
permutaciones de n objetos diferentes en grupos de r.
-Una combinacin de objetos es un arreglo de stos en el
que el orden no importa. Para encontrar el nmero de
combinaciones de n objetos en grupos de r.

Formulas
Cuando no se permite repeticin

Cuando se permita repeticin

Combinacin

n, r no son nmeros enteros negativos yr<=n.

r = es el tamao de cada permutacin.
n =es el tamao del conjunto de elementos que se permutan.
!=es el operador factorial.

Ejemplo
-Cuntas cantidades de tres cifras se pueden formar
con los dgitos 0, 1, 2, 3 y 4 si no se permite la
repeticin?
Solucin:

-Cuntas cantidades de cuatro cifras se pueden

formar con los dgitos 0, 1, 2, 3 y 4 si se permite la
repeticin?
Solucin:

Aplicaciones
Las combinaciones y permutaciones forman parte de una rama
de las matemticas llamada combinatoria. Dado un conjunto de
elementos, el nmero de combinaciones te dice de cuntas
maneras esos elementos se pueden juntar. Las permutaciones
son similares, pero stas toman el orden en cuenta: (1, 2) y (2,
1) son dos permutaciones diferentes, pero la misma
combinacin. Las cerraduras de combinacin hacen uso de las
permutaciones, y pueden utilizar estos bloqueos para ensear a
sus estudiantes cmo funcionan las permutaciones. Puedes
disear un juego simple que permita a los estudiantes a
resolver las cerraduras de combinacin en una carrera.
Determina el nmero de subgrupos de 1, 2, 3, etc. elementos
que se pueden formar con los "n" elementos de una nuestra.
Cada subgrupo se diferencia del resto en los elementos que lo
componen, sin que influya el orden.

Probabilidad
para
eventos

PROBABILIDAD
CONDICIONAL
Las probabilidades condicionadas se calculan una vez que se
ha incorporado informacin adicional a la situacin de
partida.
Probabilidad condicional es la probabilidad de que ocurra un
evento A, sabiendo que tambin sucede otro evento B. La
probabilidad condicional se escribe P(A|B), y se lee la
probabilidad de A dado B.
No tiene por qu haber una relacin causal o temporal entre
A y B. A puede preceder en el tiempo a B, sucederlo o
pueden ocurrir simultneamente. A puede causar B,
viceversa o pueden no tener relacin causal. Las relaciones
causales o temporales son nociones que no pertenecen al
mbito de la probabilidad. Pueden desempear un papel o no
dependiendo de la interpretacin que se le d a los eventos.

Formula

Donde:
P (B/A) es la probabilidad de que se de el suceso B
condicionada a que se haya dado el suceso A.
P (B L A) es la probabilidad del suceso simultneo de A y
de B
P (A) es la probabilidad a priori del suceso A

Ejemplo
P (B/A) es la probabilidad de que salga el nmero 2 (suceso
B) condicionada a que haya salido un nmero par (suceso A).
P (B L A) es la probabilidad de que salga el dos y nmero par.
P (A) es la probabilidad a priori de que salga un nmero par.
Por lo tanto:
P (B L A) = 1/6
P (A) = 1/2
P (B/A) = (1/6) / (1/2) = 1/3
Luego, la probabilidad de que salga el nmero 2, si ya
sabemos que ha salido un nmero par, es de 1/3 (mayor que
su probabilidad a priori de 1/6).

En un estudio sanitario se ha llegado a la conclusin de que la probabilidad de que una persona sufra problemas
coronarios (suceso B) es el 0,10 (probabilidad a priori).
Adems, la probabilidad de que una persona sufra problemas de obesidad (suceso A) es el 0,25 y la probabilidad
de que una persona sufra a la vez problemas de obesidad y coronarios (suceso interseccin de A y B) es del 0,05.
Calcular la probabilidad de que una persona sufra problemas coronarios si est obesa (probabilidad condicionada
P(B/A)).
P (B L A) = 0,05
P (A) = 0,25
P (B/A) = 0,05 / 0,25 = 0,20
Por lo tanto, la probabilidad condicionada es superior a la probabilidad a priori. No siempre esto es as, a veces la
probabilidad condicionada es igual a la probabilidad a priori o menor.
Por ejemplo: probabilidad de que al tirar un dado salga el nmero 2, condicionada a que haya salido un nmero
impar.
La probabilidad condicionada es en este caso cero, frente a una probabilidad a priori de 1/6.

Aplicaciones
Al presentar una variedad de aplicaciones de la probabilidad
condicional a problemas realistas, planteamos que las
actividades interactivas y el uso de tecnologa hacen a la
probabilidad condicional ms entendible, interactiva e
interesante para alumnos con distintos niveles de habilidad
matemtica.
La denominada Probabilidad Condicional justamente sirve
para calcular los chances de ocurrencia de un evento D2
dada la ocurrencia de un evento D1, teniendo en cuenta si
los eventos en cuestin son dependientes o independientes
entre s, y generalmente este tipo de probabilidad se
expresa mediante la frmula P(D2\D1) en la que se usa el
smbolo matemtico back slash (\) para separar los eventos
analizados, expresin que se lee como la probabilidad de
ocurrencia de D2 dada la ocurrencia de D1.

EVENTOS
INDEPENDIENTES
Dos eventos son independientes si el resultado del segundo evento no
es afectado por el resultado del primer evento. Si A y B son eventos
independientes, la probabilidad de que ambos eventos ocurran es el
producto de las probabilidades de los eventos individuales.
La principal caracterstica de una situacin con eventos
independientes es que el estado original de la situacin no cambia
cuando ocurre un evento. Existen dos maneras de que esto suceda:
Los eventos independientes ocurren ya sea cuando:

El proceso que genera el elemento aleatorio no elimina ningn

posible resultado o

El proceso que s elimina un posible resultado, pero el resultado es

sustituido antes de que suceda una segunda accin. (A esto se le
llama sacar un reemplazo.

Formula

P(A y B) = P(A) P(B)

Ejemplo

Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas

azules. Una canica es eliminada de la caja y luego reemplazada.
Otra canica se saca de la caja. Cul es la probabilidad de que la
primera canica sea azul y la segunda canica sea verde?
Ya que la primera canica es reemplazada, el tamao del espacio
muestral (9) no cambia de la primera sacada a la segunda as los
eventos son independientes.
P(azul luego verde) = P(azul) P(verde)

Aplicaciones
La independencia de sucesos es algo
muy importante para la estadstica y es
condicin necesaria en multitud de
teoremas. Por ejemplo, una de las
primeras propiedades que se deriva de
la definicin de sucesos independientes
es que si dos sucesos son
independientes entre s, la probabilidad
de la interseccin es igual al producto
de las probabilidades.

TEOREMA DE BAYES
El teorema de bayes es un teorema de
la rama de las matemticas dedicada a
la estadstica, dice que la probabilidad
de que se cumpla un suceso es
cantidad de casos favorables entre
cantidad de casos totales.

Formula

Ejemplo
Si hay un total de 10 personas y 3 de
ellas estn enfermas la probabilidad de
que si escoges una persona al azar este
enferma es de 3/10, es decir el 0,3
multiplicado por 100 es 30%, entonces
la probabilidad de escoger una persona
enferma es del 30 %. Numero de casos
favorables= numero de personas
enfermas=3; numero de casos totales=
10 personas.

Aplicaciones
El teorema de Bayes es vlido en todas las aplicaciones de la
teora de la probabilidad. Sin embargo, hay una controversia
sobre el tipo de probabilidades que emplea. En esencia, los
seguidores de la estadstica tradicional slo admiten
probabilidades basadas en experimentos repetibles y que tengan
una confirmacin emprica mientras que los llamados estadsticos
bayesianos permiten probabilidades subjetivas. El teorema puede
servir entonces para indicar cmo debemos modificar nuestras
probabilidades subjetivas cuando recibimos informacin adicional
de un experimento. La estadstica bayesiana est demostrando su
utilidad en ciertas estimaciones basadas en el conocimiento
subjetivo a priori y el hecho de permitir revisar esas estimaciones
en funcin de la evidencia emprica es lo que est abriendo
nuevas formas de hacer conocimiento. Una aplicacin de esto son
los clasificadores bayesianos que son frecuentemente usados en
implementaciones de filtros de correo basura o spam, que se
adaptan con el uso.

SELECCIONES AL AZAR,
CON O SIN REEMPLAZO
Es tomar una muestra de un cierto conjunto (como
una submuestra).
Con reemplazo se refiere a que tu despus de tomar
muestra la vuelves a dejar en el conjunto de donde
la tomaste.
Sin reemplazo se refiere a que despus de tomar la
muestra no la devuelves y la apartas del conjunto de
donde la tomaste.

Formula

Ejemplo
Una bolsa con 10 pelotas: 3 rojas, 3 negras y
4blancas. tu tomas una pelota (muestra de una
unidad) y dependiendo que es lo que ests buscando
en esa muestra tienes el 30% de sacar una pelota
roja, 30% de sacar una negra y 40% de sacar una
blanca. despus de observar que color es, la
devuelves a la bolsa y sacas otra pelota, como es
CON REEMPLAZO tu estas regresando la pelota y la
probabilidad no se ve afectada ya que sigues
teniendo las mismas 10 pelotas de los mismos
colores y cantidades por lo que en otra muestra
tienes las mismas probabilidades.

SIN REEMPLAZO:
En el mismo ejemplo mencionado, tu sacas
una pelota y tienes: el 30% de sacar una
pelota roja, 30% de sacar una negra y 40%
de sacar una blanca, en este caso tu despus
de tomar la pelota la apartas y dependiendo
de que color haya salido puede ver que ya
no tienes las 10 pelotas sino 9 por lo tanto la
probabilidad va disminuyendo y puede ser
mas fcil el que por probabilidad deduzcas
de que color saldr la otra pelota.

Aplicaciones
Sirve mucho en el control de
calidad de productos.

Enlaces

Libro de texto

Teora del binomio

http://
www.eplc.umich.mx/salvadorgs/matematicas1/contenido/Ca
pIII/3_5_5_teo_bin.htm

Principios de multiplicacin

http://148.204.211.134/polilibros../z_basura/Polilibros
/Probabilidad/doc/Unidad%201/1.2.2.HTM
SELECCIONES AL AZAR, CON O SIN REEMPLAZO
https://prezi.com/mqqbmo18nc8s/selecciones-al-azar-con
-o-sin-reemplazo
/
Teorema de bayes
http://www.monografias.com/trabajos89/probabilidadtotal-y-teorema-bayes/probabilidad-total-y-teoremabayes.shtml

Evento independientes
http://colposfesz.galeon.com/est501/probabi/teo/cap312/c
ap312.htm