UNIVERSIDAD DE GUADALAJARA

CENTRO UNIVERSATIRO DE LA COTSA

INVESTIGACION TEMA: HIPOTESIS: JUSTUFICACION: OBJETIVO:

ELEMENTOS DE PROBABILIDAD Y ESTADISTICA

ING. CUTZI HARI DIAZ GONZALEZ.

INVESTIGACION

INTRODUCCION *INTEGRANTES*

E GARCIA DE ALBA CERVANTES CLARISSA LIZETTE E SOLIS TRUJILLO OSCAR E RODRIGUEZ SANCHEZ DIEGO

Pto. Vallarta, Jal. a 29 de Noviembre del 2011.

INTRODUCCION ...............................................................................................................3 DESARROLLO .................................................................................................................3 ELEMENTOS DE PROBABILIDAD Y ESTADISTICA ....................................................4 TABLAS DE FRECUENCIA .........................................................................................4 UNIDAD 1. CONJUNTOS .................................................................................................8 Conjunto universal .................................................................................................................. 8 Operaciones con conjuntos .................................................................................................. 9 1.1 TIPOS DE DATOS ......................................................................................................... 11 UNIDAD 2. VARIABLE ALEATORIA............................................................................. 13 2.1 MEDIDAS DE CENTRALIZACION ............................................................................. 13 2.2 MEDIDAS DE DISPERSION ABSOLUTAS............................................................... 14 2.3 DISTRIBUCIN DE PROBABILIDAD ........................................................................ 14 UNIDAD 3. PROBABILIDAD .......................................................................................... 19 3.1 DEFINICIONES .............................................................................................................. 19 3.2 REGLAS DE PROBABILIDAD DE UN SUCESO ..................................................... 20 3.3 LEY DE LOS NMEROS GRANDES......................................................................... 21 3.4 POSIBILIDADES ............................................................................................................ 22 3.5 REGLA DE LAPLACE ................................................................................................... 22 3.6PROBABILIDAD CONDICIONAL ................................................................................. 23 3.7 PROBABILIDAD TOTAL Y REGLA DE BAYES ....................................................... 24 UNIDAD 4. INFERENCIA ESTADSTICA ...................................................................... 25 4.1 INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS ................ 25 4.2 CONTRASTE DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS .................. 29 4.3 INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE PROPORCIN .... 31 4.4 CONTRASTE DE HIPTESIS PARA LA DIFERENCIA DE PROPORCIN ...... 32 CONCLUSION................................................................................................................. 33 ANEXO ............................................................................................................................ 33 BIBLIOGRAFIA ............................................................................................................... 34

INTRODUCCION
Tantos acontecimientos sociales, guerras, historias de ficcin, etc., todas estas cosas y mas es lo que ha vivido la radio desde sus inicios en 1920, para llegar a convertirse en un medio el cual hoy en da se le considera obsoleto por no decir que ya se encuentra muerto. La importancia de la radio. La gente percibe a la radio como un medio de comunicacin de fcil acceso para la poblacin. Posee, una calidad intima de tu a tu, que la mayora de los otros medios no tienen. Es un medio muy barato y est prcticamente al alcance de cualquier persona. La radio es un medio que tiene gran penetracin en la sociedad. Al tener una alternativa con un alto contenido de temas culturales como la estacin de radio de la universidad de Guadalajara, y dar a conocer cuntos de nuestros compaeros (alumnos de la universidad) escuchan dicha estacin.

DESARROLLO TEMA: Estacin de radio ms escuchada por los alumnos del CUC HIPOTESIS: Suponemos que solo el 20% de 100 estudiantes del CUC escuchan la radio de la Universidad y que otro 80% escuchan otras estaciones sin un alto contenido cultural. JUSTIFICACION: Los motivos son: para conocer que nuestra sociedad hoy en la actualidad, escuchamos estaciones de radio sin adquirir conocimiento alguno. Habiendo buenas estaciones de radio especialmente para nosotros como es la radio de la misma Universidad, donde no solo se escucha msica, sino que tambin dan informacin sobre lo que pasa dentro de ella y hablan de temas interesantes para los jvenes estudiantes. OBJETIVO: Saber qu porcentaje de los estudiantes del CUC, se dedican a escuchar aunque sea 15 minutos o una hora una estacin de radio con un contenido cultural, donde tambin pueden aprender mas cosas importantes de la vida y que tanto usan este medio para estar informados sobre lo que pasa en el Centro Universitario de la Costa.

ELEMENTOS DE PROBABILIDAD Y ESTADISTICA

Estadstica: La estadstica es una ciencia que estudia la recoleccin, anlisis e interpretacin de datos, ya sea para ayudar en la toma de decisiones o para explicar condiciones regulares o irregulares de algn fenmeno o estudio aplicado, de ocurrencia en forma aleatoria o condicional. Sin embargo estadstica es ms que eso, en otras palabras es el vehculo que permite llevar a cabo el proceso relacionado con la investigacin cientfica. Es aplicable en cualquier rea del comportamiento humano y tambin se usa para la toma de decisiones en reas de negocios o instituciones gubernamentales. Tabla de frecuencia: es una tabla en la que se organizan los datos en clases, es decir, en grupos de valores que describen una caracterstica de los datos y muestra el nmero de observaciones del conjunto de datos que caen en cada una de las clases. La tabla de frecuencias ayuda a agrupar cualquier tipo de dato numrico. En principio, en la tabla de frecuencias se detalla cada uno de los valores diferentes en el conjunto de datos junto con el nmero de veces que aparece, es decir, su frecuencia absoluta. Se puede complementar la frecuencia absoluta con la denominada frecuencia relativa, que indica la frecuencia en porcentaje sobre el total de datos. En variables cuantitativas se distinguen por otra parte la frecuencia simple y la frecuencia acumulada.

La tabla de frecuencias puede representarse grficamente en un histograma. Los histogramas se usan para resaltar la diferencia entre las clases que se han agrupado los datos. Por tanto, para construir cualquiera de los dos tipos de grficas, se necesita primero agrupar los datos en una tabla la cual se conoce como una tabla de frecuencia.

TABLAS DE FRECUENCIA

De 100 encuestas realizadas en el centro universitario de la costa estos fueron los resultados sobre las siguientes preguntas.

1.-De qu carrera eres? CARRERA ADMINISTRACION ARQUITECTURA CONTADURIA DERECHO ENFERMERIA ING. CIVIL MEDICINA MULTIMEDIA PSICOLOGIA TURISMO FRECUENCIA 9 12 4 31 3 28 3 2 3 5 FRECUENCIA ACUMULADA 9 21 25 56 59 87 90 92 95 100

120 100 80 60 FRECUENCIA 40 20 0 FRECUENCIA ACUMULADA

2.-Qu estacin de radio escuchas con ms frecuencia?

RESPUESTAS

FRECUENCIA 38 10 14 14 24

FRECUENCIA ACUMULADA

89.5 92.7 94.3 104.3 Otra

38 48 62 76 100

120 100 numero de personas 80 60 40 20 0 89.5 92.7 94.3 104.3 otra respuestas

frecuencia frecuencia acumulada

3.- Cuntos das a la semana escuchas la radio?

RESPUESTAS A= todos los das B= de 3 a 5 das C= solo un da NINGUNA FRECUENCIA 27 37 32 4 FRECUENCIA ACUMULADA 27 64 96 100

120 100 80 FRECUENCIA 60 40 20 0 A B C NINGUNA FRECUENCIA ACUMULADA

4.- Cuntas horas al da escuchas la radio?

RESPUESTAS A= de 5 a 7 hrs. B= de 2 a 4 hrs. C= una hr. NINGUNA FRECUENCIA 3 27 66 4 FRECUENCIA ACUMULADA 3 30 96 100

120 100 80 FRECUENCIA 60 40 20 0 A B C NINGUNA FRECUENCIA ACUMULADA

5.- Del 1 al 5 Cmo calificas la programacin de la estacin de radio que escuchas? (1= psimo, 2=malo, 3=regular, 4=buena, 5=excelente).
RESPUESTA A=1 B=2 C=3 D=4 E=5 NINGUNA FRECUENCIA 2 1 20 55 18 4 FRECUENCIA ACUMULADA 2 3 23 78 96 100

120 100 80 60 40 20 0 FRECUENCIA FRECUENCIA ACUMULADA

UNIDAD 1. CONJUNTOS Un conjunto es una coleccin de objetos considerada como un objeto en s. Los objetos de la coleccin pueden ser cualquier cosa: personas, nmeros, colores, letras, figuras, etc. Cada uno de los objetos en la coleccin es un elemento o miembro del conjunto. Condiciones: 1. Los lmites tanto de todos, como de cada uno de sus partes deben de estar bien definidas, no debe de haber duda respecto a la pertenencia de los objetos. 2. Ningn objeto del conjunto debe contarse ms de una vez dentro de l. 3. El orden en que se enumeran los elementos que carecen de importancia. Ejemplo: A= 1, 2, 3

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 muestral). Representacin:

(Omega)

Tipos de conjuntos: Finitos: Tienen un nmero conocido de elementos (Das de la Semana, Cantidad de alumnos de la materia de estadstica, etc.) Infinitos: Son aquellos en los cuales no podemos determinar su longitud. (nmeros reales) El conjunto de los nmero naturales es infinito, pero el conjunto de los planetas en el Sistema Solar es finito (tiene ocho elementos). Para describir si un elemento pertenece o no a un conjunto, se utiliza el smbolo de pertenencia o es elemento de, con el smbolo, en caso contrario.

A = {1, 2, 3} 2 A y 5 A

Subconjunto: Un subconjunto A de un conjunto B, es un conjunto que contiene algunos de los elementos de B (o quiz todos): Un conjunto A es un subconjunto del conjunto B si cada elemento de A es a su vez un elemento de B. Si A es un subconjunto de B, se escribe como A B y se dice que A est contenido en B. Tambin puede escribirse B A, y decirse que B es un superconjunto de A y tambin B contiene a A o B incluye a A.

Operaciones con conjuntos Existen varias operaciones bsicas que pueden realizarse para, partiendo de ciertos conjuntos dados, obtener nuevos conjuntos:

Unin. La unin de dos conjuntos A y B es el conjunto A B obtenido al juntar todos los elementos de A y de B.

Interseccin. La interseccin de dos conjuntos A y B es el conjunto A B de los elementos comunes a A y B.

Diferencia. La diferencia del conjunto A con B es el conjunto A \ B que resulta de eliminar de A cualquier elemento que est en B.

Complemento. El complemento de un conjunto A es el conjunto A que contiene todos los elementos que no pertenecen a A.

Diferencia simtrica. La diferencia simtrica de dos conjuntos A y B es el conjunto A B con todos los elementos que pertenecen, o bien a A, o bien a B, pero no a ambos a la vez.

EJERCICIO Sea el universo de los estudiantes del centro universitario de la costa; A=conjunto de alumnos de ingeniera civil B=conjunto de alumnos que escuchan la estacin 104.3 C= conjunto de alumnos que califican la estacin 104.3 como buena. Encontrar: 1. A = los alumnos del cuc que no son de ingeniera civil. 2. A B = los alumnos de ingeniera civil que escuchan la 104.3 3. C A = los que no califican la estacin 104.3 como buena y que son alumnos de ingeniera civil. 4. A B = alumnos de ingeniera civil que no escuchan la 104.3 5. B A = los alumnos que no son de ingeniera civil y que no escuchan la 104.3. 6. C B = alumnos que escuchan la 104.3 y que la califican como buena, tomando una sola vez a los que estn en las dos categoras.

1.1 TIPOS DE DATOS

Datos: puede definirse tcnicamente como una categora signada a una variable de una unidad de anlisis. Son smbolos que describen condiciones, hecho, situaciones o valores. Lo que estudiamos en cada individuo de la muestra son las variables (edad, carrera, estacin de radio, etctera). Los datos son los valores que toma la variable en cada caso. Lo que vamos a realizar es medir, es decir, asignar valores a las variables incluidas en el estudio. Deberemos adems concretar la escala de medida que aplicaremos a cada variable. La naturaleza de las observaciones ser de gran importancia a la hora de elegir el mtodo estadstico ms apropiado para abordar su anlisis. Con este fin, clasificaremos las variables, a grandes rasgos, en dos tipos: variables cuantitativas o variables cualitativas.

Variables cuantitativas. Son las variables que pueden medirse, cuantificarse o expresarse numricamente. Las variables cuantitativas pueden ser de dos tipos:
o o

Variables cuantitativas continuas, si admiten tomar cualquier valor dentro de un rango numrico determinado (edad, peso, talla). Variables cuantitativas discretas, si no admiten todos los valores intermedios en un rango. Suelen tomar solamente valores enteros (nmero de hijos, nmero de partos, nmero de hermanos, etc).

Variables cualitativas. Este tipo de variables representan una cualidad o atributo que clasifica a cada caso en una de varias categoras. La situacin ms sencilla es aquella en la que se clasifica cada caso en uno de dos grupos (hombre/mujer, enfermo/sano, fumador/no fumador). Son datos dicotmicos o binarios. Como resulta obvio, en muchas ocasiones este tipo de clasificacin no es suficiente y se requiere de un mayor nmero de categoras (color de los ojos, grupo sanguneo, profesin, etctera).

Variable: tambin suelen ser llamados caracteres cuantitativos, son aquellos que puedes ser expresados mediante nmeros. Son caracteres susceptibles de medicin y puede tomar diversos valores. Parmetro: es un nmero que se obtiene a partir de los datos de una distribucin estadstica, sirven para sintetizar la informacin dada por una tabla o por una grafica.

Ejemplo: de los 100 estudiantes encuestados en el centro universitario de la costa, de los cuales 86% no escucha la radio de la universidad que es la 104.3 FM. NOTA: la cifra del 86% es un parmetro porque est basada en la poblacin de todos los estudiantes encuestados en el centro universitario de la costa.

Estadstico: Es una medicin numrica que describe algunas caractersticas de la muestra.

Ejemplo: de los 100 alumnos se toman en cuenta solo los que son de ingeniera civil, de los cuales el 89% no escuchan la radio de la universidad que es la 104.3 FM. Esta cifra de 89% es estadstico, ya que est basada en una muestra y no en la poblacin completa.

UNIDAD 2. VARIABLE ALEATORIA Se llama variable aleatoria a toda funcin que asocia a cada elemento del espacio muestral E un nmero real. Se utilizan letras maysculas X, Y,... para designar variables aleatorias, y las respectivas minsculas (x, y,...) para designar valores concretos de las mismas. Una variable aleatoria de un espacio muestral S es la regla que asigna un valor numrico a cada resultado de S en el conjunto R de nmeros reales. Si S es incontable, entonces las funciones de valores reales de S no son variables aleatorias.

2.1 MEDIDAS DE CENTRALIZACION MODA: se define como el valor que ocurre con ms frecuencia. Y su representacin es: X MEDIA: es el promedio, se calcula sumando todos los datos y dividindolo en el total de datos de la muestra.

MEDIANA: es el valor que divide al conjunto de datos de modo que el mismo nmero de observaciones estn en cada uno de sus lados. Y se representa de la siguiente forma:

2.2 MEDIDAS DE DISPERSION ABSOLUTAS VARIANZA: es el promedio del cuadrado de las distancias entre cada observacin y la media aritmtica del conjunto de observaciones.

DESVIACION TIPICA: La varianza viene dada por las mismas unidades que la variable pero al cuadrado, para evitar este problema podemos usar como medida de dispersin la desviacin tpica que se define como la raz cuadrada positiva de la varianza

2.3 DISTRIBUCIN DE PROBABILIDAD La distribucin de probabilidad de una variable aleatoria es una funcin que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. La distribucin de probabilidad est definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria. Cuando la variable aleatoria toma valores en el conjunto de los nmeros reales, la distribucin de probabilidad est completamente especificada por la funcin de distribucin, cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea menor o igual que x. Dada una variable aleatoria todos son puntos , es , su funcin de distribucin,

Por simplicidad, cuando no hay lugar a confusin, suele omitirse el subndice y se escribe: .

*Requisitos de una distribucin de probabilidad: 1. P(x) = 1 Donde x asume todos los valores posibles. ( Es decir, la suma de todas las probabilidades debe ser 1). 2. 0 P(x) 1 Para cada valor individual de x. (Es decir, cada valor de la probabilidad debe ubicarse entre el 0 y 1 inclusive).

Variable aleatoria discreta: proporciona datos que son llamado datos cuantitativos discretos y son respuestas numricas que resultan de un proceso de conteo y tiene un nmero finito de valores. Variable aleatoria contina: es aquella que se encuentra dentro de un intervalo comprendido entre dos valores cualesquiera; esta puede tener un nmero infinito de valores y estos se pueden medir.

MEDIA DE DISTRIBUCION DE PROBABILIDAD es el valor promedio a largo plazo de la variable aleatoria, tambin es conocido como valor esperado. Esta media es un promedio ponderado, en el que los valores posibles se ponderan mediante sus probabilidades correspondientes de ocurrencia, se calcula con la formula:

Donde P(X) es la probabilidad que puede tomar la variable aleatoria X.

VARIANZA DE UNA DISTRIBUCION DE PROBABILIDAD Mide el grado de dispersin de la distribucin de probabilidades, siendo la formula:

Tambin se aplica la frmula:

 DESVIACION ESTANDAR PROBABILIDAD Es la raz cuadrad del varianza, luego:

DE

UNA

DISTRIBUCION

DE

Regla practica de intervalo: Se basa en el principio de que para muchos conjuntos de datos, la mayora (tanto como el 95%) de los valores muestrales se ubican dentro de dos desviaciones estndar de la media: Valor mximo comn = + 2 Valor mnimo comn = - 2

VALOR ESPERADO Supongamos que hemos realizado n veces un experimento aleatorio que genera una variable X. El valor medio del experimento en estas n repeticiones es la suma de los productos de los valores de la variable por su frecuencia relativa. Cuando n sea igual a infinito, el valor medio del experimento se llama valor esperado o esperanza matemtica, E [X]. Si X es una variable discreta con funcin d probabilidad f(x), el valor esperado de X se calcula segn decamos anteriormente sumando los productos de los valores de la variable por sus respectivas probabilidades.

Por lo que E = la media de una variable aleatoria discreta.

DISTRIBUCION DE PROBABILIDAD BINOMIAL Una distribucin de probabilidad binomial resulta de un procedimiento que cumple con todos los siguientes requisitos: 1. El procedimiento tiene un nmero fijo de ensayos.

2. Los ensayos deben ser independientes. (el resultado de cualquier ensayo individual no afecta las probabilidades de los dems ensayos). 3. Todos los resultados de cada ensayo deben estar clasificados en dos categoras ( generalmente llamadas xito y fracaso ). 4. La probabilidad de un xito permanece igual en todos los ensayos. NOTACION: E y F (xito y fracaso) denota las dos categoras posibles de todos los resultados; p y q denotando las posibilidades de E y F, respectivamente, de manera que: FORMULA:

Donde: P(S) = P (p = probabilidad de un xito) P(F) = 1 p = q (q= probabilidad de un fracaso) n denota el nmero fijo de ensayos x denota un nmero especfico de xitos en n ensayos de manera que x puede ser cualquier numero entero entre 0 y n inclusive. p denota la probabilidad de xito en uno de n ensayos q denota la probabilidad de fracaso en uno de ensayos. P(x) denota la probabilidad de lograr exactamente x xitos en los n ensayos.

EJERCICIO 1: Hallar la media, mediana, moda, varianza y desviacin de las calificaciones que contestaron 100 alumnos encuestados en el cuc, cuyas calificaciones de acuerdo a las encuestas son: 112333333333333333333334444444444444444444 444444444444444444444444444444444444555555 5555555555550000

Respuestas: Moda: X = 4

Media:

Mediana:

= 4

Varianza:

=15

Desviacin tpica:

= 3.87

EJERCICIO 2: Calcular la probabilidad de seleccionar exactamente a 8 estudiantes de la carrera de derecho. Cuando se eligen al azar 31 alumnos de la carrera de derecho en la que representan el 31% de los encuestados de las diferentes carreras. Es decir calcular dado que

UNIDAD 3. PROBABILIDAD La probabilidad, por lo tanto, es la razn entre el nmero de casos favorables y el nmero de casos posibles. La matemtica, la fsica y la estadstica son algunas de las reas que permiten obtener conclusiones respecto a la probabilidad de sucesos potenciales Se encarga de medir la frecuencia con la que se obtiene un resultado en un proceso aleatorio. La probabilidad conforma los cimientos sobre los cuales se construyen los mtodos importantes de la estadstica inferencial. La probabilidad de un suceso es un nmero, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio. Regla del suceso infrecuente para estadstica inferencial: Si, bajo un supuesto dado, la probabilidad de un suceso particular observado es extremadamente pequea, concluimos que el supuesto probablemente es incorrecto. Experimentos y fenmenos aleatorios: Son los que pueden dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cul de stos va a ser observado en la realizacin del experimento.

3.1 DEFINICIONES E Espacio muestral: Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo representaremos por E (o bien por la letra U). E Suceso: es cada uno de los resultados posibles de una experiencia aleatoria. Es un subconjunto del espacio muestral. E Suceso simple: es un resultado o un suceso que ya no puede desglosarse en componentes ms simples. E sucesos aleatorios: como los resultados de un experimento cuya variacin (la de los resultados) es debida al azar.

Notacin de probabilidad: P: denota una probabilidad. A, B y C: denotan sucesos especficos. P(A): denota la probabilidad de que ocurra el suceso A.

3.2 REGLAS DE PROBABILIDAD DE UN SUCESO

Regla 1. Aproximacin de la probabilidad por frecuencias relativas. Al realizar un experimento un gran nmero de veces, se cuenta el nmero de veces que ocurre el suceso A. Entonces, P (A) se estima de la siguiente forma:

P (A) =

Numero de veces que ocurri A Nmero de veces que se repiti el experimento

Regla 2. Mtodo clsico de la probabilidad. Suponiendo que un experimento dado tiene n sucesos simples distintos, cada uno de los cuales tiene la misma posibilidad de ocurrir. Si el suceso A puede ocurrir en s de sas n formas, entonces: P (A) = Nmero de formas en que A puede ocurrir = s Nmero de sucesos simples distintos n

Regla 3. Probabilidad subjetiva. P(A), la probabilidad del suceso A, se estima con base en el conocimiento de las circunstancias relevantes. Frecuencia Relativa: Se define la frecuencia de un evento a como el cociente que resulta de dividir el nmero de veces que sucedi el evento entre el nmero total de veces que se

repiti el experimento, bajo el supuesto de que en cada repeticin de experimento el evento A tiene la misma oportunidad de ocurrir es decir:

f r ( A ) = Nmero de veces que aparece A Nmero de veces que se realiza el experimento

3.3 LEY DE LOS NMEROS GRANDES En la teora de la probabilidad, bajo el trmino genrico de ley de los grandes nmeros se engloban varios teoremas que describen el comportamiento del promedio de una sucesin de variables aleatorias conforme aumenta su nmero de ensayos. Estos teoremas prescriben condiciones suficientes para garantizar que dicho promedio converge (en los sentidos explicados abajo) al promedio de las esperanzas de las variables aleatorias involucradas. Las distintas formulaciones de la ley de los grandes nmeros (y sus condiciones asociadas) especifican la convergencia de formas distintas. Las leyes de los grandes nmeros explican por qu el promedio de una muestra al azar de una poblacin de gran tamao tender a estar cerca de la media de la poblacin completa. Conforme un procedimiento se repite una y otra vez, la probabilidad de frecuencias relativas (a partir de la regla 1) de un suceso, tiende a aproximarse a la probabilidad real. La ley de los nmeros grandes indica que los estimados por frecuencia relavas de la regla 1 tienden a mejorar si se hacen ms observaciones. E Sucesos complementarios: Dado un suceso cualquiera E, el suceso contrario o complementario E es el que ocurre cuando no ocurre E. O sea que, adems de ser incompatibles, o sea E E , se complementan para formar el espacio muestral, o sea que o sea que
E ES

La probabilidad de que el suceso complementario suceda es: 1Probabilidad del suceso E.

P E 1 P E

3.4 POSIBILIDADES Las expresiones de probabilidad a veces se proponen como posibilidades, como 50:1 (o 50 a 1). Una grave desventaja de las posibilidades es que hacen que muchos clculos sean extremadamente difciles. Por ello los estadsticos, los matemticos y los cientficos prefieren usar probabilidades. E Las posibilidades reales en contra de que suceda A estn indicadas por el cociente P(A)/P(A), casi siempre expresado en la forma a:b (o a a b), donde a y b son enteros que no tienen factores comunes. E Las posibilidades reales a favor del suceso A son el recproco de las posibilidades reales en contra de un suceso. Si las posibilidades en contra de A son a:b, entonces las posibilidades a favor de A son b:a. E Las posibilidades de pago contra el suceso A representan la proporcin de la ganancia neta (si usted gana) con respecto a la cantidad de la apuesta. Posibilidades de pago en contra del suceso: A= (ganancia neta): (cantidad apostada).

3.5 REGLA DE LAPLACE Si un experimento cualquiera puede dar lugar a un nmero finito de resultados posibles, y no existe ninguna razn que privilegie unos resultados en contra de otros, se calcula la probabilidad de un suceso aleatorio A, segn la regla de Laplace como el cociente entre el nmero de casos favorables a A, y el de todos los posibles resultados del experimento:

3.6PROBABILIDAD CONDICIONAL

La probabilidad condicional de un suceso es una probabilidad obtenida con la informacin adicional de algn otro evento que ya ocurri. P(B A) denota la probabilidad condicional de que el suceso B ocurra, dado que el suceso A ya ocurri, y puede calcularse dividiendo la probabilidad de que ambos sucesos A y B ocurran entre la probabilidad del suceso A. |

P (B|A) representa la probabilidad de que un suceso B ocurra despus de suponer que el suceso A ya ocurri. Dos sucesos A y B son independientes cuando la ocurrencia de uno no afecta la probabilidad de la ocurrencia del otro. Si A y B no son independientes, se dice que son dependientes. EJERCICIO 1: Se seleccionan dos carreras de centro universitario las cuales son ingeniera civil con 28 alumnos y derecho con 31 alumnos Cul es la probabilidad de que: a) El primer alumno sea de ingeniera civil? b) El segundo sea de derecho dado que el primero fue de ingeniera civil?

a)

La probabilidad de que el segundo alumno sea de derecho se ve influida por lo que sali primero, es decir esta probabilidad est sujeta a una condicin, la de que el primero sea alumno de ingeniera civil. Este tipo de probabilidad se le llama probabilidad condicional y se denota | por b) | | Esta probabilidad puesto que todava hay 31 alumnos de derecho en un total de 58 restantes.

3.7 PROBABILIDAD TOTAL Y REGLA DE BAYES El teorema de la probabilidad total afirma lo siguiente: Sea A1,A2,...,An una particin sobre el espacio muestral y sea B un suceso cualquiera del que se conocen las probabilidades condicionales P(B | Ai), entonces la probabilidad del suceso B viene dada por la expresin:

El teorema de Bayes: Expresa la probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin de probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de slo A y permiten probabilidades subjetivas. Sea {A1,A3,...,Ai,...,An} un conjunto de sucesos mutuamente excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta de cero. Sea B un suceso cualquiera del que se conocen las probabilidades condicionales P(B | Ai). Entonces, la probabilidad P(Ai | B) viene dada por la expresin:

donde:

P(Ai) son las probabilidades a priori. P(B | Ai) es la probabilidad de B en la hiptesis Ai. P(Ai | B) son las probabilidades a posteriori.

UNIDAD 4. INFERENCIA ESTADSTICA La Inferencia Estadstica es la parte de la estadstica matemtica que se encarga del estudio de los mtodos para la obtencin del modelo de probabilidad (forma funcional y parmetros que determinan la funcin de distribucin) que sigue una variable aleatoria de una determinada poblacin, a travs de una muestra (parte de la poblacin) obtenida de la misma.

4.1 INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Distribucin normal: Es una distribucin continua donde la variable aleatoria puede tomar cualquier valor real, su principal caracterstica es que puede representarse mediante una curva continua conocida como campana de Gauss que es simtrica respecto a su centro donde se ubica la media de la variable.

Intervalo de confianza: En estadstica, se llama intervalo de confianza a un par de nmeros entre los cuales se estima que estar cierto valor desconocido con una determinada probabilidad de acierto.

Intervalo de Confianza o nivel de aceptacin

Muestras dependientes e independientes: Dos muestras son Independientes si los valores muestrales seleccionados de una poblacin no estn relacionados, apareados o asociados de alguna manera con los valores muestrales seleccionados de la otra poblacin. Dos muestras son dependientes (o consisten en datos apareados), si los miembros de una muestra se pueden usar para determinar los miembros de otra muestra. [Las muestras que consisten en datos apareados (por ejemplo, datos de esposo/esposa) son dependientes. Adems de los datos muestrales apareados, la dependencia tambin puede ocurrir con muestras relacionadas a travs de asociaciones tales como miembros de la familia]. Intervalos de confianza para la diferencia de medias: Son los mtodos para utilizar datos muestrales de dos muestras independientes para someter a prueba hiptesis acerca de dos medias poblacionales o para construir estimados de intervalos de confianza de la diferencia entre dos medias poblacionales.

Casos de intervalos para la diferencia de medias CASO I. Medias independientes de dos distribuciones normales, varianzas desconocidas.

Caso 1 A. Medias independientes de dos distribuciones normales, varianzas desconocidas pero iguales.

Ejemplo: Se realiz un experimento para comparar las estaciones de radio que escuchan los alumnos del CUC. Y ahora se requiere calcular el intervalo de confianza del 95% para la diferencia de las siguientes estaciones de radio. Estacin 94.3 n= 14 28.3 S=17.3 Estacin 104.3 n= 14 34.7 S=19.4

= 4.11

t= 2.056 = (34.7-28.3)

Caso 1 B. Medias de dos distribuciones normales, varianzas desconocidas pero diferentes.

Se usa cuando:

CASO II. Medias independientes de dos distribuciones normales, varianzas conocidas.

4.2 CONTRASTE DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS Prueba de hiptesis: Es una tcnica estadstica que se sigue para decidir si rechazamos o no una hiptesis estadstica en base a la informacin de una muestra. El propsito de la prueba o de hiptesis es ayudar al investigador a tomar decisiones referentes a una poblacin considerando la informacin de una muestra de dicha poblacin. Una hiptesis estadstica es una enunciado acerca de la distribucin de probabilidad de una variable aleatoria. La hiptesis estadsticas a menudo involucra uno o ms parmetros de esta distribucin. Es una afirmacin de lo que creemos sobre una poblacin. Por lo general se refiere a los parmetros de la poblacin acerca de la cual se quiere hacer la afirmacin.

Diferencia de medias: Este anlisis estadstico es utilizado para comparar dos grupos independientes de observaciones con respecto a una variable numrica.

Distribucin t El t test para dos muestras independientes se basa en el estadstico:

La hiptesis de partida es cierta el estadstico seguir una distribucin t de Student con n+m-2 grados de libertad. Usualmente se toma como referencia el rango de datos en el que se concentra el 95% de la probabilidad. El valor-p que usualmente reportan la mayora de paquetes estadsticos no es ms que la probabilidad de obtener, segn esa distribucin, un dato ms extremo que el que proporciona el test. Si el valor-p es muy pequeo (usualmente se considera p<0.05) es poco probable que se cumpla la hiptesis de partida y se debera de rechazar. La regin de aceptacin corresponde por lo tanto a los valores centrales de la distribucin para los que p>0.05.

Calculo de intervalos de confianza para la diferencia de medias:

Donde denota el valor que segn la distribucin t de Student con n+m-2 grados de libertad.

EJEMPLO: Obtener la distribucin t para dos muestras independientes que se han tomado los siguientes datos sobre qu carrera son los alumnos encuestados. Se toma como referencia el rango de datos en el que se concentra el 95% de la probabilidad. Ingeniera civil n= 28 15 S=24 Arquitectura n= 12 18 S=29

4.3 INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE PROPORCIN

Intervalo de confianza para la proporcin poblacional p En este caso, interesa construir un intervalo de confianza para una proporcin o un porcentaje poblacional (por ejemplo, el porcentaje de personas con hipertensin, fumadoras, etc.)

PE PPE Donde p es el porcentaje de personas con la caracterstica de inters en la poblacin (o sea, es el parmetro de inters) y p es su estimador muestral.

Luego, procediendo en forma anloga al caso de la media, podemos construir un intervalo de 95% de confianza para la proporcin poblacional p.

EJEMPLO: De los 100 ensayos que se realizaron en loa alumnos 66 contestaron que escuchaban la radio una hora al da. Los resultados muestrales son: n=100, p= 66/100 = 0.66 Calcule el margen de error E que corresponde a un valor critico de 1.96 DATOS n= 100

4.4 CONTRASTE DE HIPTESIS PARA LA DIFERENCIA DE PROPORCIN Podemos definir un contraste de hiptesis como un procedimiento que se basa en lo observado en las muestras y en la teora de la probabilidad para determinar si la hiptesis es un enunciado razonable. Un contraste de hiptesis es una tcnica de inferencia estadstica para juzgar si una propiedad que se supone cumple una poblacin estadstica es compatible con lo observado en una muestra de dicha poblacin.

EJERCICIO: Obtener el intervalo de confianza para alumnos que regularmente escuchan la radio una hora o ms de una hora.

1 hora X1= 10 N1= 66 S1= 9

2 a 4 horas X2= 16 N2= 27 S2= 7

Ahora calculamos el intervalo de confianza deseado como sigue: )< )< -9 ) < -4 2.00

CONCLUSION Al realizar el trabajo nos damos cuenta la poca influencia que tiene la radio hoy en la actualidad, pero a su vez aprendimos a utilizar herramientas de la probabilidad y estadstica, facilitando as el trabajo de conteo y muestreo. De acuerdo con nuestros ejercicio y resultados obtenidos en cada uno de ellos. Nos dimos cuenta de que nuestra hiptesis no fue aceptada, creemos que el problema fue haber hecho muchas encuestas.

ANEXO
CARRERA:__________________ SEMESTRE:_________ EDAD:__________ 1.-QUE ESTACION DE RADIO ESCUCHAS CON MAS FRECUENCIA? A) 89.5 B) 92.7 C) 94.3 D) 104.3 E) OTRA___________

2.-CUANTOS DIAS A LA SEMANA ESCUCHAS LA RADIO? A)TODOS LOS DIAS B)DE CINCO A TRES DIAS C)SOLO UNA VEZ A LA SEMANA

3.-CUANTAS HORAS AL DIA ESCUCHAS LA RADIO? A) DE 7 A 5 HRS. B) DE 4 A 2 hrs c) UNA HORA

4.- DEL 1 AL 4 COMO CALIFICAS LA PROGRAMACION DE LA ESTACION DE RADIO QUE ESCUCHAS? ( 1=MALO, 2=REGULAR, 3=BUENA, 4=EXCELENTE ) A) 1 B)2 C)3 D) 4

E E E E E E E E E E E E E E E

BIBLIOGRAFIA Libro de ESTADISTICAS, Mario F. Triola. http://es.wikipedia.org/wiki/Estad%C3%ADstica http://myfaculty.metro.inter.edu/jahumada/amp/histogramas/tabla_frecue ncias_p3.htm http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_frecuencias http://es.wikipedia.org/wiki/Conjunto http://colposfesz.galeon.com/est501/conjunto/teoconj.htm http://www.fisterra.com/mbe/investiga/10descriptiva/10descriptiva.asp http://www.vitutor.com/pro/3/a_1.html http://www.tuveras.com/estadistica/estadistica02.htm http://definicion.de/probabilidad/ http://www.vitutor.com/pro/2/a_1.html http://es.wikipedia.org/wiki/Ley_de_los_grandes_n%C3%BAmeros http://www.ucm.es/info/genetica/Estadistica/estadistica_basica.htm http://www.estadisticafacil.com/Main/FrecuenciaRelativa http://www.bioestadistica.uma.es/libro/node49.htm