Probabilidad y Estadsticas

Regresin:

A menudo deseamos estimas, basados en datos de una muestra de valor de una variable Y correspondiente a un valor dado de
variable X. Ello se puede hacer estimando el valor Y mediante una curva de mnimos cuadrados que ajuste los datos. La curva
resultante se llama una curva de regresin de Y sobre X, ya que Y se estima a partir de X. si queremos estimar el valor X a partir de
un valor dado de Y, hemos de usar curva de regresin de X sobre Y. En general, la recta o curva de regresin de Y sobre X no es la
misma que la de X sobre Y.

Recta de Regresin de Mnimos Cuadrados:

. .
a0 =
()

*De Y sobre X; Y = a0 + a1 X
.
a1= ()

. .
b0 =
()

*De X sobre Y; X = b0 + b1 Y
.
b1= ()

Ejemplo:

Dado el siguiente conjunto de valores Hallar a) Recta de Regresin de mnimos cuadrados de Y sobre X b) Rectas de Regresin de
mnimos cuadrados de X sobre Y.

X Y XY 2 2
2 1 2 4 1
3 3 9 9 9
5 7 35 25 49
7 11 77 49 121
9 15 135 81 225
10 17 170 100 289

=36 Y=54 XY=428 2 = 268 2 =694

(X)2 =1296 (Y)2 =2916
N=6
Y = a0 + a1 X Y = (-3) + 2X = 2X-3

Y. 2 X.XY 5426836428
a0 = a0 = = -3
n 2 (X)2 62681296
nXYX.Y 64283654
a1= a1= =2
n 2 (X)2 62681296

X = b0 + b1 Y X = 1,5 + 0,5Y = 0,5Y+1,5

X. 2 Y.XY 3669454428
b0 = b0 = = 1,5
n 2 (Y)2 66942916
nXYX.Y 64283654
b1= b1= = 0,5
n 2 (Y)2 66942916
La tabla da en pulgadas las respectivas Alturas X e Y de una muestra de 12 padres y sus hijos mayores Hallar a) Recta de Regresin
de mnimos cuadrados de Y sobre X b) Rectas de Regresin de mnimos cuadrados de X sobre Y.

X Y XY 2 2
65 68 4420 4225 4624
63 66 4158 3969 4356
67 68 4556 4489 4624
64 65 4160 4096 4225
68 69 4692 4624 4761
62 66 4092 3844 4356
70 68 4760 4900 4624
66 65 4290 4356 4225
68 71 4828 4624 5041
67 67 4489 4489 4489
69 69 4761 4761 4761
71 70 4970 5041 4900

=800 Y=812 XY=54176 2 =53418 2 =54986

(X)2 =640000 (Y)2 =659344
N=12

Y = a0 + a1 X Y = 34 + 0,50x = 0,50x+34

Y. 2 X.XY 8125341880054176
a0 = a0 = =34,070
n 2 (X)2 1253418640000
nXYX.Y 1254176800812
a1= a1= = 0,50
n 2 (X)2 1253418640000

X = b0 + b1 Y X = (-4) + 1y = y-4

X. 2 Y.XY 8005498681254176
b0 = b0 = = -4,32
n 2 (Y)2 1254986659344
nXYX.Y 1254176800812
b1= b1= = 1,04
n 2 (Y)2 1254986659344

Coeficiente de Correlacin:

Pearson: El valor calculado r mide el grado de relacin con referencia al tipo de ecuacin que se adopta. As pues, si se supone una
ecuacin lineal y dan un valor de r prximo a cero, eso significa que no hay apenas correlacin lineal. Hemos de hacer constar que
un coeficiente alto ser cercano a 1 -1.

()()
r=

[ ()][()]
Ejemplo:
La tabla da en pulgadas las respectivas alturas X e Y de una muestra de 12 padres y sus hijos mayores; hallar el coeficiente de
correlacin para los datos del problema.

Altura Altura
Del Padre Del Hijo
X Y XY 2 2
65 68 4420 4225 4624
63 66 4158 3969 4356
67 68 4556 4489 4624
64 65 4160 4096 4225
68 69 4692 4624 4761
62 66 4092 3844 4356
70 68 4760 4900 4624
66 65 4290 4356 4225
68 71 4828 4624 5041
67 67 4489 4489 4489
69 68 4692 4761 4624
71 70 4970 5041 4900

=800 Y=811 XY=54107 2 =53418 2 =54849

(X)2 =640000 (Y)2 =657721
N=12

nXY(X)(Y)
r= r
= = = 0,70
[n
2
(X) 2
][n
2
(Y) 2
] [1253418640000][1254849657721]

Respuesta; 0,70 existe una buena correlacin.

Halla el coeficiente de correlacin lineal entre las variables X e Y representadas en la tabla:

X Y XY 2 2
1 1 1 1 1
3 2 6 9 4
4 4 16 16 16
6 4 24 36 16
8 5 40 64 25
9 7 63 81 49
11 8 88 121 64
14 9 126 196 81

=56 Y=40 XY=364 2 =524 2 =256

(X)2 =3136 (Y)2 =1600
N=8

nXY(X)(Y)
r= r
= = = 0,977
[n
2
(X) 2
][n
2
(Y) 2
] [85243136][82561600]

Respuesta; 0,98 existe una muy buena correlacin.

La tabla presenta las notas de dos exmenes de biologa, X e Y de 10 estudiantes. Hallar el coeficiente de correlacin entre ambas
variables.

Calificacin Calificacin
Del 1er Exa Del 2do Exa
X Y XY 2 2
6 8 48 36 64
5 7 35 25 49
8 7 56 64 49
8 10 80 64 100
7 5 35 49 25
6 8 48 36 64
10 10 100 100 100
4 6 24 16 36
9 8 72 81 64
7 6 42 49 36

=70 Y=75 XY=540 2 =520 2 =587

(X)2 =4900 (Y)2 =5625
N=10

nXY(X)(Y)
r= r
= = = 0,55
[n
2
(X)
2
][n
2
(Y)
2
] [105204900][105875625]

Respuesta; 0,55 existe una buena correlacin.

Dispersin Absoluta y Relativa:

Coeficiente de Variacin: La variacin o dispensacin real, tal como se determina de la desviacin tpica u otra medida de
dispersin se llama dispersin absoluta. Sin embargo, una dispersin (o variacin) de 10 pulgadas (in) en la medida de 1000 pies es
muy diferentes de esa misma dispersin al medir una distancia de 20 pies. Una medida de este efecto la da la dispersin relativa, a
saber;

Dispersin Relativa =

La dispersin absoluta es la desviacin tpica S y el promedio la media , entonces la dispersin relativa se llama coeficiente de
variacin, o coeficiente de dispersin, se denota por V y se define como;

Coeficiente de variacin (V) = *100

Se expresa en general en forma de porcentaje.

Ntese que el coeficiente de variacin es independiente de las unidades usadas por esa razn es til al comparar distribuciones
con unidades diferentes. Una desventaja del coeficiente de variacin es que pierde su utilidad cuando es prxima a cero.

Ejemplo: un fabricante de tubos de televisin produce dos tipos de tubos A y B, que tienen vidas medias respectivas A=1495 Hz y
B=1875 Hz, y desviacin tpica de SA= 280 Hz y SB= 310 Hz Qu tubo: a)- tiene mayor dispersin absoluta b)- mayor dispersin
relativa?

Datos:

A=1495 Hz B=1875 Hz

SA= 280 Hz SB= 310 Hz

 a) SA= 280 Hz
SB= 310 Hz tiene mayor dispersin absoluto el grupo B
280
b) (VA) = *100 (VA) = *100 = 18,73% tiene mayor dispersin relativa el grupo A
1495
310
(VB) = *100 (VB) = *100 = 16,5%
1875

En un examen final de Estadstica, la puntuacin media de 150 estudiantes fue de 78 y la desviacin tpica 8,0. En algebra la
media fue de 73 y la desviacin tpica 7,6 En qu materia fue mayor a) la dispersin absoluta b) la dispersin relativa?

Datos:

A=78 B=73

SA= 8,0 SB= 7,6

SA= 78 tiene mayor dispersin absoluto, Estadstica

SB= 73
8,0
(VA) = *100 (VA) = *100 = 10,25%
78
7,6
(VB) = *100 (VB) = *100 = 10,41% tiene mayor dispersin, Algebra
73
En un grupo A de personas, la estatura media es 165 cm con una desviacin tpica de 10,5 cm. En otro grupo B la estatura es
140 cm y su desviacin tpica es de 8,4 cm. Halla el coeficiente de desviacin en los dos casos y compara la dispersin de
ambos grupos

Datos:

A=165 cm B=140 cm

SA= 10,5 cm SB= 8,4 cm

SA= 165 cm tiene mayor dispersin absoluto, grupo A

SB= 140 cm
10,5
(VA) = *100 (VA) = *100 = 6,36% tiene mayor dispersin relativa, grupo A
165
8,4
(VB) = *100 (VB) = *100 = 6%
140
El tiempo medio empleado de un tren de recorrer un cierto trayecto es de 25 minutos con una desviacin tpica de 5m. haciendo el
mismo trayecto en coche el tiempo medio ha sido de 35 minutos con una desviacin tpica de 15 m. Calcular el coeficiente de
variacin y di en cul de los 2 casos hay mayor dispersin relativa.

Datos:

A=25 minutos B=35 minutos

SA= 5 m SB= 15 m

SA= 25 minutos
SB= 35 minutos tiene mayor dispersin absoluto, el coche
5
(VA) = *100 (VA) = *100 = 20%
25
15
(VB) = *100 (VB) = *100 = 42,85% tiene mayor dispersin relativa, el coche
35
Discreta: si una variable X puede tomar un conjunto discreto de valores x1 + x2, xk con probabilidades respectivas p1 , p2, pk
donde p1 + p2, pk = 1 decimos que tenemos definido una distribucin de probabilidades discreta de X.

Continuas: el polgono de frecuencias relativas de una muestra se convierte en el caso terico o lmite de una poblacin, en una
curva continua de ecuacin Y = P(x).

Esperanza Matemtica: si x denota una variable aleatoria discreta que puede tomar los valores x1 + x2, xk con probabilidades p1 ,
p2, pk donde p1 + p2, pk = 1 la esperanza matemtica de x (o simplemente de X) denota E(X) y se define como:

E(X) = p1*x1 + p2*x2 pk*xk =

1 1
Ejemplo: si la probabilidad de que un hombre gane un premio de $ 10 es , su esperanza matemtica es 10 = 2 $.
5 5

Anlisis Combinado: al hallar probabilidades de sucesos complicados, suele resultar difcil y tediosa una enumeracin de los casos.
El anlisis combinatorio facilita mucho esa tarea. Factorial de N: denota por N! se define como:

N! = N(N-1)(N-2)1

5! = 5*4*3*2*1 = 120

4!3! = (4*3*2*1)(3*2*1) = 144

Permutacin: el nmero de permutaciones de N objetos tomados de r en r se denota por nPr, P(n,r), Pn,r y viene dada por;
!
nPr=()!

Ejemplo: el nmero de permutaciones que se pueden dar las letras a, b y c tomadas de 2 en 2

!
3P2 = ()! = 6 ab, ba, ac, ca, bc, y cb

Combinaciones: una combinacin de n objetos tomados de r en r es una seleccin de r de ellos, sim importar el orden de los r
!
escogidos se denota por ( ) y viene dada por; ( ) =
!()!

Ejemplo: el nmero de combinaciones que se pueden dar las letras a, b y c tomadas de 2 en 2

!
( )= = 3 ab, ac, bc
!()!

Ejercicios:

1- Determinar o estimar la probabilidad p de los siguientes sucesos;

a- Una tirada de un dado resulte impar.
Datos:
Un dado tiene 6 caras; 1 2 3 4 5 6 (impar:1,3,5)
3 1
P(impar)= =
6 2
b- Que aparezca una cruz en la prxima tirada de una moneda si han salido 56 caras de 100 tiradas
Datos:
Tiradas totales = 100
44
Caras = 56 (100-56=cruz) P(cruz)= 100 = 0,44
Cruz = 44
2- Se saca al alzar una bola de una copia que contiene 6 bolas rojas, 4 blancas y 5 azules. Hallar la probabilidad de que la bola
extrada sea
Datos:
6 6
6 bolas rojas = P(rojas)= = 0,4
15 15
4 4
4 bolas blancas = P(blancas)= = 0,26
15 15
5 5
5 bolas azules 15
= P(azules)= 15 = 0,33
15 bolas totales (6+4+5)
3- De cuantas maneras se puede sentar 10 personas en un banco si hay 4 sitios disponibles
Datos:
!
10 Total de personas 10P4 = ()! = 5040
4 sitios disponibles
4- De cuantas maneras pueden seleccionarse 6 cuestiones de entre un total de 10
Datos:
! !
10 total de cuestiones ( ) = !()! ( )=
!()!
= 210
6 maneras de seleccin