Beruflich Dokumente
Kultur Dokumente
S² = 38 = 19 S² = 1176 = 588
3 -1 3 -1
Ejercicio
Paso 1. Calcula Σx
Paso 2. Calcula x
Paso 3. Calcula x – x
Paso 4. Calcula Σ(x – x)2
Paso 5. Calcula la varianza
Varianza
La fórmula para la varianza poblacional es:
( X ) 2
2
n 1
Varianza de la población ( X ) 2
2
N
2
s s 2
Tablas de distribución de frecuencias
•La frecuencia absoluta es el número de veces que se presenta un valor al estudiar una
variable.
•Para hacer el recuento, se leen los datos uno a uno y se marca una señal en el
correspondiente valor. Si las señales se agrupan, de cinco en cinco por ejemplo, es más
fácil contarlas
•El manejo de la información requiere de la ordenación
de datos de tal forma que permita la obtención de una
forma más fácil de conclusiones acerca de la muestra.
TABLA N° 01
CLASIFICACION DE ALUMNOS DE LA ESC. “SAN JOSE” DE SAN JOSE 2010, SEGÚN EL
NÚMERO DE HERMANOS
f1 + f2 + f3 + … + fi = n
Ej.: 3 + 4 + 8 + 8 + 4 + 3 = 30 = n
Interpretación:
f3 : 8 alumnos han declarado tener 2 hermanos.
f5 : 4 alumnos han declarado tener 4 hermanos.
Ej.: F2 = 3 + 4 = 7 F4 = 15 + 8 = 23
Interpretación:
F2 : Que 7 alumnos han declarado tener entre o y 1 hermanos.
F4 : Que 23 alumnos han declarado tener entre 0 y 3 hermanos
Tipos de frecuencias
FRECUENCIA ABSOLUTA SIMPLE: (fi)
Es el número de veces que se repite dicho valor en un conjunto de datos.
f1 + f2 + f3 + … + fi = n
Ej.: 3 + 4 + 8 + 8 + 4 + 3 = 30 = n
Interpretación:
f3 : 8 alumnos han declarado tener 2 hermanos.
f5 : 4 alumnos han declarado tener 4 hermanos
12
FRECUENCIA ABSOLUTA ACUMULADA: (Fi)
Es la que resulta de sumar sucesivamente las frecuencias absolutas simples.
F1 = f1
F2 = f1 + f2
F3 = f1 + f2 + f3 ó F3 = F2 + f3
Fi = f1 + f2 + … + fi
Ej.: F2 = 3 + 4 = 7 F4 = 15 + 8 = 23
Interpretación:
F2 : Que 7 alumnos han declarado tener entre o y 1 hermanos.
F4 : Que 23 alumnos han declarado tener entre 0 y 3 hermanos
13
TABLA N° 01
CLASIFICACION DE ALUMNOS DE LA I.E. “SAN JOSE” DE
SAN JOSE 2011, SEGÚN EL NÚMERO DE HERMANOS
3/30
3/30
14
a) FRECUENCIA RELATIVA SIMPLE: (hi)
Es el cociente que resulta de dividir la frecuencia absoluta entre el tamaño
de la muestra (n)
Interpretación:
h3 : El 0,2667 tanto por uno de 30 alumnos, han declarado tener 2 hermanos.
h3 x 100: El 26,67% de 30 alumnos han declarado tener 2 hermanos
15
a)FRECUENCIA RELATIVA ACUMULADA: (H)
Es la que resulta de acumular sucesivamente las frecuencias relativas simples.
16
Teorema de Bayes
P( A / Bi ) P( Bi )
P( Bi / A)
P( A / B1 ) P( B1 ) P( A / B2 ) P( B2 ) ... P( A / Bn ) P( Bn )
18
En una fabrica se tiene dos maquinas que producen pantalones de vestir.
La maquina 1 produce 45 % del total de pantalones y la maquina 2 produce
el 55% restante. La maquina 1 produce 10 % de pantalones defectuosos y en la
maquina 2 el porcentaje de producción defectuosa es de 8%.Si se observa un
pantalón defectuoso ¿Cuál es la probabilidad de que haya sido producido por la
maquina 2? X 10%
D
MAQUINA1 45 %
YND 90%
XD 08%
MAQUINA 2 55 %
YND 92%
50% gana
Donde:
A 70% P (A)=0.70
Xn P (X/A)=0.50
50% pierde P (Ā)=0.30
P (X/ Ā)=0.90
90% gana
Yd
B 30%
10% pierde
A 40 %
YB 20% Mc
XA 50% Bc
B 60 %
50% Mc
sustituyendo en la formula de la ley de Bayes tenemos XB
(.40)(.80) (0.32)
= = 0.516
(.80)(0.40)+(0.60)(0.50) (0.62)
La prob. de que el material de vinil halla sido adquirido por el proveedor A es de 51.6%
Un productor espera detectar los artículos de mala calidad para quitarlos de
los inventarios. Supón que en una determinada planta de manufactura, hacia el final
de la línea de producción, el inspector de calidad recoge algunos artículos que le
parecen de calidad sospechosa para someterlos a una inspección minuciosa. Si el 10%
de todos los artículos producidos son defectuosos, 60% de los defectuosos se
someten a una inspección minuciosa y solo 20% de los no defectuosos se someten a
una inspección minuciosa, calcula la probabilidad que un articulo sea defectuoso
dado que fue inspeccionado minuciosamente
20% XIM Donde:
ND 90 % P (D)=.10
Y 80% P (M/D)=0.60
P (~ D)=0.90
X 60% IM P (M/~ D)=0.20
D 10 %
Y 40%
sustituyendo en la formula de la ley de Bayes tenemos
(.10)(.60) (0.06)
= = 0.25
(.10)(0.60)+(0.90)(0.20) (0.24)
La probabilidad de que el articulo sea defectuoso dado que fue inspeccionado
minuciosamente es del 0.25
Bayes
El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El
75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas también,
mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto
directivo. ¿Cuál es la probabilidad de que un empleado directivo elegido al azar sea
ingeniero?
Distribución de probabilidad binomial
UVM
Utilidad
La distribución binomial se utiliza en situaciones cuya solución
tiene dos posibles resultados.
Por ejemplo:
UVM
Distribución de probabilidad binomial
UVM
Distribución de probabilidad binomial
P( x) n C x (1 ) x n x
C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
es la probabilidad de éxito en cada ensayo.
UVM
Ejemplo1
UVM
Ejemplo 2
• El departamento del trabajo
de Alabama registra que el P( x) n C x (1 ) x n x
muestra de 14 trabajadores,
calcule las siguientes
probabilidades:
– Exactamente 3 están C es una combinación.
desempleados. N es el número de ensayos.
X es el número de éxitos.
es la probabilidad de éxito en cada ensayo.
UVM
C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
es la probabilidad de éxito en cada ensayo.
La probabilidad de exactamente 3:
(364)(.0080)(.0859)
.2501
UVM
Media y varianza de la distribución
binomial
• La media se calcula así:
n
• La varianza se calcula así:
n (1 )
2
UVM
Ejemplo 3
• Del ejemplo 2, retomamos que = .2 y n = 14.
• Por lo tanto, la media es: µ = n = 14(.2) = 2.8
• La varianza es: σ2 = n(1 –) = 14(.2)(.8) = 2.24
UVM
¿Cuál es la probabilidad de obtener cuatro veces el número 3 al
lanzar un dado ocho veces?
El número de aciertos es 4. Esto es x=4
El número de experimentos n son 8
La probabilidad de éxito p (probabilidad de que salga un 3 al
tirar el dado) es 1 / 6 (= 0.1666)
La fórmula queda:
P (x= 4) = 0.026
Es decir, que la probabilidad de obtener cuatro veces el números
3 al tirar un dado 8 veces es de 2.6%.
8 4
P(4)8 C4 (0.1666) (1 .1666) 4
C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
UVM
es la probabilidad de éxito en cada ensayo.
En una fábrica de cámaras el 5% sale con defectos. Determine la
probabilidad de que en una muestra de 12 se encuentren 2 cámaras
defectuosas.
UVM
En una fábrica de cámaras el 5% sale con defectos. Determine la
probabilidad de que en una muestra de 12 se encuentren 2 cámaras
defectuosas.
C es una combinación.
n es el número de ensayos. El resultado es 0.0988
x es el número de éxitos.
es la probabilidad de éxito en cada ensayo.
UVM
Población finita
Una población finita es una población que
consiste en un número fijo de individuos
conocidos, objetos o medidas, por ejemplo:
El número de estudiantes en esta clase.
El número de carros en el estacionamiento.
El número de casas construidas en el
fraccionamiento Arboledas.
UVM
Distribución Hipergeométrica
La distribución hipergeométrica tiene las
siguientes características:
Hay sólo dos resultados posibles.
La probabilidad de un éxito no es la misma en
cada ensayo.
Ésta resulta de contar el número de éxitos en un
número fijo de ensayos.
UVM
Distribución de probabilidad
hipergeométrica
La fórmula para encontrar una probabilidad utilizando la
distribución hipergeométrica es:
( S Cx )( N S Cn x )
P( x )
N Cn
UVM
Ejemplo 1
UVM
1.De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles
defectuosos que no explotarán, ¿cuál es la probabilidad de que , a) los 4 exploten?,
Solución:
a) N = 10 proyectiles en total
S = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el número de proyectiles que
explotan entre la muestra que se dispara
( S Cx )( N S Cn x )
P( x )
N Cn
C4* 3 C0 ( 35 )( 1 ) 35
p( x 4; n 4 )
7
0.16667
10 C4 210 210
220*56 = 0.3178
38760