Академический Документы
Профессиональный Документы
Культура Документы
ESTADSTICA I
AUTOR: Patricia Castillo Garzn
NDICE
NDICE
1. Conceptos
generales
2. Conjuntos
y
sus
operaciones
3. Nmero
de
elementos
de
un
conjunto
4. Acerqumonos
al
concepto
de
probabilidad
5. Introduccin
a
la
probabilidad
6. Axiomas
y
teoremas
bsicos
de
la
probabilidad
Acceso rpido
GENERALIDADES DESARROLLO
REFERENCIAS
Este material pertenece al Politcnico
Grancolombiano y a la Red Ilumno. Por ende, son
de uso exclusivo de las Instituciones adscritas a
la Red Ilumno. Prohibida su reproduccin total
o parcial.
01 -
02
INTRODUCCIN
126
mililitros,
con
el
objetivo
de
que
la
empresa
no
incurra
en
pleitos
por
engao
al
consumidor
o
en
prdidas
por
excesos
en
la
produccin.
En
las
unidades
anteriores
se
han
trabajado
los
mtodos
estadsticos
descriptivos
de
la
informacin,
teniendo
en
cuenta
que
una
caracterstica
esencial
de
muchos
de
los
fenmenos
La
poblacin
en
este
contexto
son
las
2000
bolsas
diarias,
se
imaginan
que
tuviesen
que
pesar
reales
es
su
variabilidad
por
causas
desconocidas,
lo
cual
hace
que
sean
representados
por
todas
las
bolsas?
Se
estara
perdiendo
tiempo
valioso
para
la
empresa,
sin
hablar
del
costo!
Por
estructuras
matemticas
y/o
estadsticas
llamadas
modelos
o
distribuciones
de
probabilidad.
ello,
es
mejor
tomar
una
muestra,
50
bolsas
(cada
4
horas),
y
controlar
la
produccin
con
base
en
Estas
distribuciones
reflejan
no
solo
el
comportamiento
de
las
caractersticas
de
los
fenmenos
dichas
muestras.
reales
a
estudiar,
sino
que
son
pilares
fundamentales
para
la
toma
de
decisiones
bajo
condiciones
de
incertidumbre.
Los
conceptos
de
probabilidad
y
las
variables
aleatorias
son
el
tema
que
trabajaremos
en
esta
unidad.
Estadstica:
cantidad
que
estima
caractersticas
de
una
poblacin.
Poblacin:
es
un
conjunto
de
datos
que
caracteriza
un
fenmeno.
Estimacin
por
intervalo:
proceso
con
el
cual
se
determina
un
intervalo
en
el
que
posiblemente
se
encuentra
el
valor
real
del
parmetro.
Muestra:
subconjunto
representativo
de
una
poblacin.
Intervalo
de
confianza:
intervalo
en
el
cual
es
posible
que
se
encuentre
el
valor
real
del
parmetro
de
una
poblacin.
Ejemplo
1
Ejemplo
3
Una
empresa
tiene
4
mquinas
que
empacan
agua
en
bolsa
de
125
mililitros.
Diariamente
se
Supongamos
que
en
el
ejemplo
1
el
peso
promedio
de
la
muestra
(media
muestral)
es
124.7
empacan
2000
bolsas
de
estas
y
para
controlar
que
el
peso
sea
correcto,
cada
4
horas
se
toman
mililitros
entonces
se
dice
que
el
peso
promedio
de
la
poblacin
en
esas
4
horas
es
de
muestras
de
50
bolsas,
cuyo
peso
promedio
debe
ser
como
mnimo
124
mililitros
y
como
mximo
aproximadamente
124.7
mililitros.
Ejemplo
5
Pruebas
de
hiptesis:
procesos
que
conllevan
a
establecer
el
rechazo
o
no
de
una
El
conjunto
A
formado
por
todos
los
nmeros
del
1
al
5
puede
describirse
de
la
siguiente
manera:
afirmacin
respecto
a
una
caracterstica
desconocida
de
una
poblacin.
A
=
{x:
x
es
un
nmero
de
1
a
5}
Ejemplo
4
Dicho
conjunto
se
lee
como
el
conjunto
de
los
nmeros
(representados
con
la
letra
x)
y
estos
se
Supongamos
que
deseamos
conocer
el
peso
promedio
necesario
para
no
incurrir
en
pleitos
encuentran
entre
1
y
5.
A
esta
forma
de
nombrar
un
conjunto
se
le
conoce
como
nombramiento
legales
con
los
consumidores,
porque
el
peso
de
las
bolsas
con
agua
no
es
de
125
mililitros
por
comprensin.
Si,
por
otra
parte,
escribimos
explcitamente
los
elementos
del
conjunto
A:
exactamente.
A
=
{1,
2,
3,
4,
5}
El
gerente
de
produccin
decide
que
si
el
peso
promedio
es
de
124.5
mililitros
la
unidad,
entonces
Se
dice
que
el
nombramiento
es
por
extensin.
se
continuar
con
el
proceso
de
empacado.
Con
base
en
esto,
lo
que
se
desea
determinar
es
si
es
cierto
que
el
valor
de
la
media
muestral,
cuando
esta
se
tome,
es
de
124.5
mililitros.
Si
no
llega
a
En
el
anterior
ejemplo
el
conjunto
es
A,
los
elementos
son
1,
2,
3,
4
y
5,
y
el
diagrama
de
Venn
es:
serlo,
entonces
se
detendr
el
proceso
de
empaque
y
se
efectuarn
los
ajustes
necesarios.
Ahora
que
distinguimos
los
conceptos
generales,
veamos
los
conceptos
requeridos
en
cada
tema
(probabilidad,
estimacin
e
inferencia).
Comencemos
con
probabilidad:
A
2. Conjuntos
y
sus
operaciones
Distinguir
el
concepto
de
conjunto,
elemento
y
las
operaciones
con
conjuntos
nos
permitir
1
2
abordar
y
comprender
con
mayor
facilidad
los
conceptos
de
probabilidad.
Por
ello,
concentrmonos
en
el
tema
e
interioricemos
todo
lo
que
en
el
aparece.
3
4
5
Ejemplo 8
Ejemplo 6 Sean A = {1, 2, 3, 4, 5}, B = {3, 4, 8, 9} y C = {0, 2} determinemos la unin con cada pareja de ellos.
Ejemplo 9
A B = {3, 4} A C = {2} B C =
Figura
2.
Esquema
interseccin
de
conjuntos
ejemplo
7
Fuente: (elaboracin propia) Complemento
de
un
conjunto:
sea
A
un
subconjunto
de
un
conjunto
universal
U,
decimos
que
el
complemento
de
A,
que
notamos
,
es
el
conjunto
que
contiene
los
elementos
de
U
que
no
estn
en
A.
Con
los
conjuntos
podemos
establecer
otros
conjuntos
por
medio
de
operaciones,
como
son
la
unin,
la
interseccin
y
el
complemento.
Existen
otras
operaciones
pero
nosotros
nos
Ejemplo
10
concentraremos
en
estas
ya
que
son
las
que
utilizaremos
para
determinar
probabilidades.
Tngase
en
cuenta
que
para
hallar
el
complemento
de
un
conjunto
debe
existir
un
conjunto
universal
que
lo
contenga.
Ejemplo
11
Obsrvese
que
como
los
conjuntos
tienen
elementos
en
comn
debemos
quitrselos
porque
de
lo
contrario
estaramos
contando
dos
veces
el
mismo
elemento.
As, n( A B) = 5 + 6 3 = 8
valor
que
Determinar
el
nmero
de
elementos
de
los
conjuntos
A
=
{1,
2,
3,
4,
5},
B
=
{3,
4,
8,
9}
y
C
=
{0,
2}.
coincide
con
el
obtenido
por
medio
del
diagrama
de
Venn.
Como
en
A
hay
5
elementos
entonces
n( A) = 5 ;
de
igual
manera
n( B ) = 4
y
n(C ) = 2
Ejemplo
13
Ejemplo
12
Sea
A = {1,
b,
c}
y
el
universal
U = { 1, 2, 3, a, b, c }
determine
el
nmero
de
elementos
que
hay
en
Ac .
Determinemos
el
nmero
de
elementos
de
la
unin
de
los
conjuntos
A
y
B.
Existen
dos
formas
de
determinar
el
nmero
de
elementos
en
Ac :
contando
directamente
los
Veamos
el
diagrama
de
Venn
para
estos
conjuntos
y
con
su
ayuda
determinemos
el
nmero
de
elementos
de
este,
o
utilizando
el
nmero
de
elemento
de
U
y
de
A;
esta
ltima
opcin
nos
ser
elementos
en
su
interseccin.
muy
til
cuando
necesitemos
determinar
la
probabilidad
de
que
no
ocurra
un
determinado
suceso.
Veamos:
n( Ac ) = n(U ) n( A) = 6 3 = 3
Ahora
que
tenemos
una
idea
intuitiva
de
lo
que
es
probabilidad,
definamos
algunos
conceptos
Recordemos
que
para
luego
formalizar
y
establecer
la
expresin
numrica
que
nos
permitir
calcular
probabilidades.
Si
tenemos
Evento
o
suceso:
es
un
subconjunto
del
espacio
muestral
cuyos
elementos
tienen
una
caracterstica
comn.
A
es
un
subconjunto
de
U
porque
todo
elemento
de
A
est
en
U.
Por
el
contrario,
U
no
est
contenido
en
A
porque
no
todos
los
elementos
de
U
estn
en
A.
Ejemplo 14
Si
lanzamos
una
piedra
normal
al
agua
con
certeza
podemos
afirmar
que
la
piedra
se
hundir;
por
ende,
este
es
un
experimento
determinstico
porque
sabemos
su
resultado
antes
de
realizarlo.
Ejemplo
17
Y
luego
utilizamos
la
expresin
dada
para
calcular
probabilidades:
Supongamos
que
tenemos
una
bolsa
con
dos
tarjetas
verdes,
tres
azules
y
cuatro
rojas.
Qu
fraccin
representa
el
nmero
de
tarjetas
azules
en
la
bolsa?
# de casos favorables 3 1
P( E ) = = =
# de elementos en el espacio muestral 9 3
Como
el
todo,
que
es
el
nmero
de
elementos
en
la
bolsa,
es
9
y
el
nmero
de
ellos
que
son
azules
es
3,
entonces
la
fraccin
que
representa
el
nmero
de
tarjetas
azules
en
la
bolsa
es
3
que
Es
muy
importante
que
el
espacio
muestral
y
el
evento
o
los
eventos
en
un
experimento
aleatorio
9
estn
bien
definidos,
ya
que
de
ellos
depende
que
el
conteo
de
elementos
sea
correcto.
Si
estos
simplificada
corresponde
a
1 .
3 se
definen
o
determinan
errneamente
nuestras
probabilidades
tambin
lo
sern.
Otro
aspecto
que
cabe
resaltar
es
que
la
parte
de
un
conjunto
jams
es
mayor
que
el
propio
conjunto;
por
ende,
nunca
una
probabilidad,
que
representa
la
parte
del
todo
que
satisface
determinada
caracterstica,
puede
ser
mayor
que
uno
o
menor
que
cero.
- = {2, 4, 6}
. = {1, 3, 5}
Tabla1.
Distribucin
de
probabilidad
Como
el
resultado
debe
ser
un
nmero
impar
y
par,
nos
solicitan
la
interseccin
de
los
eventos:
- . =
Como
la
interseccin
es
vaca,
los
eventos
son
mutuamente
excluyentes.
Ahora
calculemos
la
probabilidad
de
que
el
resultado
del
lanzamiento
de
un
dado
sea
par
e
impar:
#
0
- . = = = 0
Fuente:
(elaboracin
propia)
#
6
Los
nmeros
P( Ei )
con
i
=
1,
2,,
n,
y
n
un
nmero
natural
cumplen
las
siguientes
propiedades:
Lgico, no? Ningn nmero es par e impar a la vez. 1. Toda probabilidad es un nmero entre cero y uno.
0 (J ) 1
A
continuacin
estudiaremos
los
axiomas
y
teoremas
bsicos
de
la
probabilidad,
que
son
como
- + . + + F = 1
reglas
con
las
cuales
podremos
decir
si
nuestros
resultados
al
calcular
o
establecer
una
3. La
probabilidad
de
la
unin
de
dos
eventos
del
espacio
muestral
es
la
suma
de
las
probabilidad
son
coherentes
y/o
adecuados.
probabilidades
de
los
eventos
simples.
Ntese
que
esto
tiene
sentido
porque
en
el
espacio
Si
un
espacio
muestral
est
dado
de
la
siguiente
manera:
muestral
los
eventos
simples
son
mutuamente
excluyentes.
= {- , . , D , , FG- , F , } J O = J + (O )
Donde cada Ei con i = 1, 2,3, n nmeros naturales son los eventos o sucesos, entonces cada Ejemplo 19
1 x < 3 0.3
3
x
<
4
0.5
Regla
de
la
suma:
para
dos
eventos
cualquiera
y
con
,
(N
el
conjunto
de
los
naturales)
se
tiene
que:
4
x
5
0.2
Con
base
en
la
distribucin,
si
se
elige
un
estudiante
al
azar
determinemos
la
probabilidad
de
que:
En
una
empresa
fabrica
equipos
DVD,
en
el
departamento
de
control
y
calidad
establecen
que
un
2%
de
los
equipos
vendidos
tienen
problemas
de
video,
el
0.5%
tienen
problemas
de
audio
y
un
Sean
0.3%
tienen
ambos
tipos
de
problemas.
Determinemos
la
probabilidad
de
que
un
equipo
comprado
por
un
cliente
tenga
problemas
de
video
o
audio.
E1 :
La
calificacin
es
mayor
o
igual
que
1
y
menor
que
3.
E2
:
La
calificacin
es
mayor
o
igual
que
3
y
menor
que
4.
Sean
E3
:
La
calificacin
es
mayor
o
igual
que
4
y
menor
o
igual
que
5.
E1:
el
equipo
DVD
tiene
problemas
de
video.
Entonces:
E2:
el
equipo
DVD
tiene
problemas
de
audio.
a) La
probabilidad
de
que
la
calificacin
del
estudiante
sea
menor
que
4
es:
Entonces
- = 0.02
. = 0.005
- . = 0.003
Recordemos
que
como
la
calificacin
debe
ser
menor
que
4,
todos
los
nmeros
de
1
a
3.99999
cumplen
esta
condicin
y
son
justamente
la
unin
del
evento
1
y
el
2.
Luego,
aplicando
la
regla
de
la
suma
obtenemos
Caso
2:
supongamos
que
extraemos
una
bola,
anotamos
su
color,
no
la
devolvemos
a
la
bolsa
y
volvemos
a
extraer
una
bola.
En
este
caso
el
espacio
muestral
y
el
nmero
de
elementos
en
los
eventos
cambia,
pues
al
extraer
una
bola
y
no
regresarla
se
disminuye
el
tamao
de
los
mencionados.
Figura
6.
Esquema
diagrama
de
Venn,
ejemplo
20
Por
lo
tanto,
los
eventos
son
dependientes
ya
que
en
la
segunda
extraccin
tendremos
menos
Fuente: (elaboracin propia)
elementos
y,
por
ende,
tanto
el
espacio
muestral
como
los
eventos
cambian.
As,
la
probabilidad
de
que
un
equipo
dvd
presente
problemas
de
audio
o
video
es
0.022;
en
otras
palabras,
un
2.2%
de
los
equipos
presentan
fallas
en
audio
o
video.
Regla
del
producto:
para
dos
o
ms
eventos
independientes
la
probabilidad
de
que
ocurran
A
continuacin
abordaremos
la
regla
de
la
multiplicacin
para
eventos
independientes;
sin
en
un
solo
ensayo
es
el
producto
de
todas
sus
probabilidades.
embargo,
para
ello
necesitamos
reconocer
este
ltimo
concepto.
Veamos:
Eventos
independientes:
dos
o
ms
eventos
son
independientes
si
la
ocurrencia
del
uno
Ejemplo
22
(Martnez,
2002)
no
afecta
la
del
otro.
Cuando
lo
anterior
no
sucede
decimos
que
los
eventos
son
dependientes.
En
una
fbrica
de
calzado
se
manufactura
independientemente
costura
(toda
la
parte
superior
del
calzado
relacionada
con
el
cuero),
suela
y
tacn,
siendo
estas
partes
armadas
aleatoriamente
en
cada
zapato.
Se
sabe
que
en
este
proceso,
el
5%
de
las
costuras,
el
4%
de
las
suelas
y
el
1%
de
los
tacones
tienen
fallas.
Qu
porcentaje
de
pares
de
zapatos
resulta
con
fallas
en
sus
tres
componentes?
Ejemplo 21 Sean
Supongamos
que
tenemos
una
bolsa
oscura
en
la
cual
hay
2
bolas
de
color
rojo
y
2
de
color
verde
E1:
la
costura
del
calzado
tiene
fallas.
y
con
esto
distinguimos
cundo
dos
eventos
son
dependientes
o
independientes.
E2:
la
suela
del
calzado
tiene
fallas.
Caso
1:
supongamos
que
extraemos
una
bola,
anotamos
su
color,
la
colocamos
nuevamente
en
la
bolsa
y
volvemos
a
extraer
una
bola.
E3:
los
tacones
del
calzado
tienen
fallas.
Como
los
eventos
son
independientes,
porque
la
ocurrencia
de
uno
no
afecta
la
del
otro,
REFERENCIAS
determinemos
el
porcentaje
de
pares
de
zapatos
con
fallas
en
sus
tres
componentes
utilizando
la
regla
del
producto:
Textos
- . D = 0.05 0.04 0.01 = 0.00002
Canavos,
G.
C.
(2003).
Probabilidad
y
estadstica
aplicaciones
y
mtodos.
Mexico:
Mc
Graw
Hill.
As,
el
0.002%
del
calzado
presenta
fallas
en
sus
tres
componentes.
Martnez,
C.
(2002).
Estadistica
y
muestreo
(12
ed.).
Bogot,
Colombia:
ECOE
Ediciones.
Para
finalizar
la
seccin
referente
a
los
axiomas
de
la
probabilidad
vamos
a
presentar
la
regla
del
complemento.
Regla
del
complemento:
la
probabilidad
d e
que
un
evento
no
ocurra
es
igual
a
uno
menos
la
probabilidad
d e
que
s
ocurra
( Martnez,
2002).
Ejemplo
29
Consideremos
una
pareja
que
desea
tener
dos
hijos.
Cul
es
la
probabilidad
de
que
ambos
no
sean
nias?
Debemos
resaltar
que
nos
estn
solicitando
la
probabilidad
de
que
no
ocurra
cierto
evento,
por
ello
podemos
usar
la
regla
del
complemento.
Determinemos
el
espacio
muestral
y
el
evento
de
que
ambos
hijos
sean
nias:
= , , , , , , ,
= ,
Como
necesitamos
hallar
la
probabilidad
de
S :
ambos
hijos
no
son
nias;
entonces,
segn
la
regla
del
complemento
tenemos:
1 3
S = 1 = 1 =
4 4