Академический Документы
Профессиональный Документы
Культура Документы
INTRODUCCIÓN
Hemos concluido nuestro análisis de la estadística descriptiva y estamos listos para co-
menzar a estudiar el área fascinante de la estadística inferencial. Con la estadística des-
criptiva, nuestra preocupación principal era la presentación y descripción de los conjuntos
de datos de la manera más significativa y eficaz. En la estadística inferencial vamos más
allá de la mera descripción de los datos, ya que un objetivo básico es el uso de los datos pro-
venientes de una muestra para hacer una afirmación acerca de una característica de la
población. Se hacen dos tipos de afirmaciones: una tiene que ver con la prueba de hipó-
tesis y la otra con la estimación de parámetros.
En la prueba de hipótesis, el investigador está reuniendo datos de un experimento sobre
un conjunto de objetos, en un intento por validar cierta hipótesis relativa a una población.
Por ejemplo, suponga que una psicóloga dedicada a la educación cree que un nuevo
método de enseñar la materia de las matemáticas para los niños de 10 arios, en su distri-
to escolar (población), es superior a la forma usual de enseñanza. En el experimento, ella
divide a los alumnos en dos muestras, una de las cuales recibe el nuevo método de en-
señanza y la otra el usual. Cada grupo presenta el mismo examen final. Al hacer esta
prueba, la psicóloga no se conforma con sólo informar que la media del grupo que reci-
bió el nuevo método fue mayor a la del otro grupo. Ella quiere hacer una afirmación
como "La mejoría en las calificaciones del examen final fue debida al nuevo método de
enseñanza y no al azar. Además, dicha mejoría no sólo se aplicaría a la muestra verifi-
cada, sino que aparecería en toda la población de estudiantes si se les enseñase con el
nuevo método". Las técnicas utilizadas en la estadística inferencial permiten hacer estas
afirmaciones.
En los experimentos para la estimación de parámetros, el investigador está interesado
en determinar la magnitud de una característica de la población. Por ejemplo, a un eco-
nomista podría importarle la determinación de la cantidad mensual promedio de dine-
ro gastado el año pasado en comida por los estudiantes de bachillerato. Con datos de una
muestra y las técnicas de la estadística inferencial, él puede estimar la cantidad me-
dia gastada por la población. El economista podría concluir con una afirmación como la
siguiente: "la probabilidad de que el intervalo $140—$160 contenga la media de la pobla-
ción es de 0.95".
155
156 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
Li MUESTREO ALEATORIO
Para generalizar de manera válida de una muestra a la población, tanto en los experime
n.
tos de prueba de hipótesis como en los de estimación de parámetros, la muestra no puede
ser cualquier subconjunto de la población; es crucial que sea aleatoria.
Para ilustrar la definición, consideremos la situación en la que tenemos una poblact )11
con los datos 2, 3, 4, 5 y 6; queremos extraer, de manera aleatoria, una muestra de tamal!,
2. Observe que, por lo general, una población tendría más datos. La hemos restringido a
cinco elementos para facilitar la comprensión de lo que queremos resaltar. Suponga qu e
estamos realizando un muestreo de esta población y que tomamos un dato a la vez, NI „
luego regresarlo con el resto de los elementos antes de extraer otro. Esto se llama muestr,
con reemplazo y se analiza posteriormente en este capítulo. A continuación mostrarn
todas las muestras de tamaño 2 que podemos obtener de la población mediante este
método de muestreo:
Son 25 muestras de tamaño 2 las que obtenemos al realizar el muestreo con reemplazo.
Para conseguir un muestreo aleatorio, el proceso debe ser tal que (1) tanto las 25 mues-
tras (2) así como todos los datos de la población (2, 3, 4, 5 y 6) tengan la misma probabi-
lidad de ser seleccionados en la muestra.
La muestra debe ser aleatoria por dos razones. La primera es que para generalizar un
característica que presenta una muestra a toda la población, es necesario aplicarle las
leyes de la probabilidad. Si la muestra no se ha generado mediante un proceso que garan-
tice que cada muestra posible del tamaño dado tenga la misma posibilidad de ser esco-
gida, no podremos aplicar las leyes de probabilidad. La importancia del carácter aleaton ,
del proceso y de la probabilidad para la inferencia estadística será clara cuando hayamc ,
analizado los capítulos relativos a la prueba de hipótesis y a la distribución muestral.
La segunda razón para la utilización del muestreo aleatorio es que para asegurar la
generalización de una característica de la muestra a toda la población, es necesario que
esta muestra sea representativa de la población en cuestión. Una forma de lograr la re -
presentatividad es elegir la muestra mediante un proceso que garantice que todos los
miembros de la población tienen la misma posibilidad de ser escogidos. Así, requerir
que una muestra sea aleatoria permite utilizar las leyes de probabilidad sobre la muestra
misma, y con ella que sea representativa de la población.
Es tentador pensar que podemos lograr la representatividad de una muestra mediante
métodos distintos al del muestreo aleatorio. Sin embargo, con mucha frecuencia el pro-
cedimiento utilizado produce una muestra sesgada (no representativa). Un ejemplo de
esto es la famosa encuesta Literaty Digest de 1936, la cual predijo una victoria aplastan-
te de Landon (57 a 43%). De hecho, Roosevelt ganó con 62% de los votos. La predicción
del Literaty Digest fue un error garrafal. ¿Por qué? Un análisis posterior reveló que el
error se debió a que la muestra no era representativa de la población votante, sino que era
sesgada. Los individuos fueron elegidos de fuentes como el directorio telefónico, regis-
tros de clubes y de propietarios de automóviles. Estos registros excluyeron de ma-
nera sistemática a los pobres, quienes tal vez no tenían teléfonos o automóviles. Ocurrió
que los pobres votaron en forma aplastante por Roosevelt. Aunque otros métodos de
muestreo produjesen una muestra representativa, éstos no serían útiles para la inferencia,
pues no podríamos aplicar las leyes de probabilidad necesarias para generalizar una ca-
racterística de la muestra a la población.
mero, en la dirección dada antes de entrar a la tabla. Por ejemplo, suponga que quererri v,
formar una muestra aleatoria de 3 sujetos de una población de 10 sujetos.* Para este eje m
plo hemos decidido movernos sobre la tabla en forma horizontal, a la derecha. Para el (
gir la muestra, primero asignamos a cada individuo de la población un número del O al
Luego entramos en la tabla de manera aleatoria para localizar el primer número. Supon g,,
que el dato es el primer número del séptimo renglón, que es igual a 3. Este núme r„
designa al primer sujeto de la muestra. Como hemos decidido movernos sobre la tabi,,
hacia la derecha, los dos números siguientes son 5 y 6. Así, los individuos que portan l a ,
cifras 5 y 6 completarían la muestra.
Resolvamos un problema en el cual la población tiene más individuos. Con fin e
ilustrativos, supondremos que se desea extraer un muestra aleatoria de 15 sujetos de un d
población de 100. Para variar las cosas un poco, para este ejercicio decidimos moverno,
sobre la tabla hacia abajo. Como antes, necesitamos asignar una cifra a cada miembro d,
la población. Esta vez, los números asignados son del 00 al 99 en vez de O a 9. De nueve,
entramos a la tabla de manera aleatoria. Esta vez suponemos que el primer dato o primer
número de dos dígitos aparece en la intersección de la columna 3 con el renglón 12. El
guarismo de dos dígitos localizado en esa intersección es 70. Así, el primer sujeto de i
muestra es el individuo que lleva el número 70. Localizamos el siguiente sujeto bajarla,
en la tabla a partir del 70. Así, el segundo sujeto de la muestra sería el individuo que lle-
va el número 33. Continuaríamos este proceso hasta elegir 15 sujetos. El conjunto con,
pleto de números que representan a los sujetos de la muestra sería 70, 33, 82, 22, 96, 35
14, 12, 13, 59, 97, 37, 54, 42 y 89. Al obtener este conjunto de números, el número 82
apareció dos veces en la tabla. Como el mismo individuo no puede estar en la muestr<1
más de una vez, no incluimos el número repetido.
ta por los numeros 4, 5, 8 y 10. Una manera de hacer esto sería extraer un dato de 1‹,
población, registrar su valor, y luego regresarla a la población antes de extraer el segun -
do elemento. Así, el primer dato podría ser elegido de nuevo en la segunda extracción
Este método se llama muestreo con reemplazo. Una segunda alternativa consistiría en
extraer al azar un dato de la población y no reemplazarlo antes de seleccionar el segundo
Así, un número proveniente de la población podría aparecer en la muestra solamente inri
vez. A este método se le llama muestreo sin reemplazo.
DEFINICIONES • El muestreo con reemplazo se define como un método en el cual cada miem-
bro de la población elegida para la muestra se regresa a la primera antes de
elegir al siguiente miembro.
*Por supuesto, en los experimentos reales, el número de elementos de la población es mucho mayor
que 10. Utilizamos 10 en el primer ejemplo como ayuda para comprender la forma de emplear la tabla.
Probabilidad 159
Al elegir a los sujetos que participan en un experimento, hay que utilizar el muestreo
sin reemplazo, pues el mismo individuo no puede estar en la muestra más de una vez.
Es probable que usted reconozca éste como el método utilizado en la sección anterior. El
muestreo con reemplazo es la base matemática para muchas de las pruebas de inferencia
que analizaremos posteriormente. Aunque los dos métodos no producen resultados idén-
ticos, cuando el tamaño de la muestra es pequeño en comparación con el de la pobla-
ción, las diferencias son insignificantes y las técnicas "con reemplazo" son mucho más
fáciles de utilizar al proporcionar la base matemática para la inferencia. Pasemos ahora
al tema de la probabilidad.
PROBABILIDAD
La probabilidad se puede estudiar desde dos puntos de vista: (1) a priori o clásico y (2) a
posteriori o empírico. A priori significa aquello que se puede deducir usando sólo la
razón, sin la experiencia. Desde el punto de vista a priori o clásico, la probabilidad se
define como:
El símbolo p(A) se lee como "la probabilidad de ocurrencia del evento A". Así, la ecua-
ción establece que la probabilidad de ocurrencia del evento A es igual al número de
eventos clasificables como A dividida entre la cantidad de eventos posibles. Para ilustrar
el uso de esta ecuación, veamos un ejemplo relacionado con los dados. La figura 8.1
muestra una imagen de un par de dados. Cada dado tiene seis caras, con un número
distinto de puntos en cada una. Los puntos varían de uno a seis. Estos cubos de aparien-
cia inocente se utilizan para juegos de azar; son la base de muchas desgracias y alegrías,
según la "suerte" del jugador.
Regresando a la probabilidad a priori, suponga que vamos a arrojar un dado una vez.
¿Cuál es la probabilidad de que el dado se detenga con un "dos" (el lado que tiene dos
FIGURA 8.1 puntos) hacia arriba? Como existen seis números posibles y sólo uno de ellos es un dos,
la probabilidad de un dos en una tirada de un dado es:
Un par de dados
Número de eventos clasificables como 2 =1 = 0.1667*
p (A) = p (2) —
Cantidad total de eventos posibles 6
*En éste y en los demás problemas relativos a los dados, supondremos que éstos no se detienen sobre
alguna de sus aristas.
160 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
Para determinar la probabilidad de un dos al tirar un dado, desde el punto de vista elDpf
rico, tendríamos que considerar el dado real, arrojarlo muchas ocasiones y contar el nú-
mero de veces que ha ocurrido un dos. Mientras más arrojemos el dado, será mejor. Par a
este problema, suponga que lanzamos el dado 100,000 veces y que un dos apareció e n
16,000 ocasiones. La probabilidad de que un dos ocurra en un lanzamiento del dado s e
determina mediante:
común es 51-.2 = 0.0192. La respuesta se puede quedar como una fracción ( 511), pero general-
mente se convierte en su equivalente decimal (0.0192).
A veces, la probabilidad se expresa como posibilidades respecto a 100. Por ejemplo,
alguien podría comentar que la probabilidad de que ocurra el evento A es de cinco posi-
bilidades en 100. Lo que esta persona quiere decir es que p(A) = 0.05. En ciertas ocasio-
nes, la probabilidad también se expresa como las posibilidades a favor o en contra de que
ocurra un evento. Por ejemplo, un apostador podría decir que las posibilidades son de 3
a 1 a favor de que Fred gane la carrera. En términos de probabilidad, p(gane Fred) =1=
0.75. Si las posibilidades fuesen de 3 a 1 en contra de que Fred triunfe, entonces p(gane
Fred) =-= 0.25.
Cálculo de probabilidades
La determinación de la probabilidad de los eventos puede ser compleja. De hecho, exis-
ten cursos completos dedicados a este tema y son bastante difíciles. Por fortuna, para
nuestros fines, sólo hay que aprender dos reglas fundamentales de la probabilidad: la de
la suma y la del producto. Estas reglas proporcionan las bases necesarias para compren-
der las pruebas de inferencia estadística que veremos más adelante.
La regla de la suma
La regla de la suma permite determinar la probabilidad de que ocurra alguno de varios
eventos posibles. Para comenzar nuestro análisis, suponga que sólo existen dos eventos
posibles: A y B. Cuando existen dos eventos, la regla de la suma establece lo siguiente.
Ilustraremos la forma de utilizar esta regla. Suponga que queremos determinar la pro-
babilidad de sacar un as o un trébol de una baraja de cartas ordinarias. Resolvemos el
problema de dos maneras en la figura 8.2. Por favor, consulte la figura al leer este párra-
fo. De la primera manera, enumeramos todos los eventos que se pueden clasificar como
un as o un trébol y utilizamos la ecuación básica para la probabilidad. Como existen 16
formas de obtener un as o un trébol, la probabilidad de lograr un as o un trébol es del =
0.3077. El segundo método emplea la regla de la suma. La probabilidad de obtener un as
de 1. y la probabilidad de conseguir un trébol de La probabilida de logar un as y un
trébol es igual al. Por la regla de la suma, la probabilidad de conseguir un as o un trébol
es 1 + f3,-,12 .1. 0.3077. ¿Por qué debemos restar la probabilidad de obtener un as y un
trébol a la vez? Porque hemos contado el as de tréboles dos veces. Sin restarlo, pensaría-
mos de manera errónea que existen 17 eventos favorables en vez de 16.
En este curso emplearemos la regla de la suma casi en todas las situaciones en que los
eventos sean mutuamente excluyentes.
162
CAPITULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
Fi GURA 8.2
Determinación de la probabilidad de elegir al azar un as o un trébol en una extracción de una
baraja de cartas ordinarias
(1.9
.
O
.
A
'
•
lp:.,1
/
q1,74
.1P
IV a 1 9.4.4'
= 52 = 0.3077 v
V 4 v v 51 ó • r oi
Eventos favorables a A
A A A A
Y 9 á 4*
4 4 1 y
p(A o B)= p(A) + p(B) — p(A y B)
Los eventos de obtener un uno y un dos al lanzar un dado son mutuamente excluyente,
Si el lanzamiento termina con un uno, entonces no puede tener también un dos. Los
Probabilidad 163
eventos de elegir un as y un rey al extraer una carta de una baraja ordinaria son mutua-
mente excluyentes. Si la carta es un as, esto impide que la carta también sea un rey. Esto
debe compararse con los eventos de obtener un as y un trébol al extraer una carta de la
baraja. Estos eventos no son mutuamente excluyentes, pues existe una carta que es a la
vez un as y un trébol (el as de tréboles).
Cuando los eventos son mutuamente excluyentes, la probabilidad de que ambos
ocurran al mismo tiempo es igual a cero. Así, p(A y B)= O cuando A y B son mutuamente
excluyentes. Bajo estas condiciones, la regla de la suma se simplifica como:
¿C ual
uál es la probabilidad de elegir al azar un 10 o un 4 al extraer una carta de
una baraja ordinaria?
La solución aparece en la figura 8.3. Como queremos un 10 o un 4 y como
estos eventos son mutuamente excluyentes, aplicamos la regla de la suma
correspondiente. Así, p(10 o 4) = p(10) + p(4). Como existen cuatro 10, cuatro
4 y 52 cartas, p(10) =* y p(4) =*. Así, p(10 o 4) =* + -1 7 =1 = 0.1538.
• • • . .•
•..*
• .°0 .NI
..°. . itikt .., °••.*
. .. e ..
• S ... it,
p(A o B) = p(A) + p(B) • ..... jtk • •°,, 10 ó 4
Eventos favorables a B
ho y 1* • :4 4. :44 44
•
= 0.6667
Eventos favorables a B
• In
I! I •
donde A representa obtener un 1 y ei •
B representa obtener un número par
" — 0.6923.
130 —
Probabilidad 165
La regla de la suma también se puede utilizar en situaciones donde hay más de dos
eventos; sólo hacemos una sencilla extensión de la ecuación empleada para esta situa-
ción. Así, cuando existen más de dos eventos, y todos son mutuamente excluyentes, la
probabilidad de que ocurra cualquiera de ellos es igual a la suma de las probabilidades de
cada evento. A continuación mostramos la ecuación:
Con mucha frecuencia encontraremos situaciones en las cuales los eventos no sólo
son mutuamente excluyentes, sino también exhaustivos. Ya hemos definido a los dos
primeros, nos faltan los segundos.
Por ejemplo, al lanzar un dado una sola vez, el conjunto de eventos de obtener uno, dos,
tres, cuatro, cinco y seis es exhaustivo, pues el conjunto incluye a todos los eventos
posibles. Cuando un conjunto de eventos es exhaustivo y mutuamente excluyente, existe
una relación muy útil. Bajo estas condiciones, la suma de las probabilidades individuales
CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
p(A) + p(B) + p(C) + . . . + p(Z) 1.00 cuando los eventos son exhaustivo,
y mutuamente excluyentes
donde A, B, C, Z son los eventos.
Para ilustrar esta relación, consideremos el conjunto de eventos en el que podar lo,
obtener uno, dos, tres, cuatro, cinco o seis al lanzar un dado honesto una sola vez. c ony'
los eventos son exhaustivos y mutuamente excluyentes, la suma de sus probabilidade,
debe ser igual a 1. Podemos ver que esto es cierto, pues p(uno) = p(dos) =
p(cuatro) p(tres),
p(cinco) =k y p(seis) = f. Así,
Cuando sólo existen dos eventos, y éstos son mutuamente excluyentes, se acostumbn
asignar el símbolo P a la probabilidad de que ocurra uno de los eventos y Q i
a la probabi-
lidad de que suceda el otro evento. Por ejemplo, si estuviésemos lanzando una moneda\
ésta sólo puede caer en cara o en cruz, ésta sería una situación en la cual sólo hay dc,'
eventos posibles (cara o cruz) en cada lanzamiento, y son mutuamente excluyentes (si e,
cara, no puede ser cruz). Se acostumbra asignar P a la probabilidad de ocurrencia de une
de los eventos, digamos, cara, y Q a la del otro evento, cruz. En este caso, si la monedlt Dd
fuese honesta, P=IyQ =1. Como los eventos son exhaustivos y mutuamente excluyentes
sus probabilidades deben sumar 1. Así,
ya que cuando los eventos son mutuamente excluyentes, la ocurrencia de uno impide la
ocurrencia del otro. La probabilidad de su ocurrencia conjunta es nula.
El muestreo con reemplazo ilustra muy bien esta situación. Por ejemplo, suponga que
vamos a extraer dos cartas, una a la vez, con reemplazo, de una baraja ordinaria. Denota-
mos por A la carta extraída primero y B a la carta obtenida en segundo lugar. Como A se
reemplaza antes de extraer a B, la aparición de A en la primera extracción no tiene efecto
alguno sobre la probabilidad de ocurrencia de B. Por ejemplo, si A fuese un as, como se
regresa a la baraja antes de elegir la segunda carta, la ocurrencia de un as en la primera
extracción no tiene efecto alguno sobre la probabilidad de la ocurrencia de la carta elegi-
da en la segunda extracción. Si A y B son independientes, entonces la probabilidad de B
no es afectada por A. Por lo tanto, p(BIA)= p(B). Bajo esta condición, la regla del produc-
to se convierte en
Veamos cómo emplear esta ecuación. Suponga que vamos a obtener al azar dos cartas,
una a la vez, con reemplazo, de una baraja ordinaria. ¿Cuál es la probabilidad de que
ambas cartas sean ases?
La solución aparece en la figura 8.6. Como el problema pide un as en la primera y
segunda extracciones, podemos aplicar la regla del producto. Sea A un as en la primera
extracción y B un as en la segunda. Como el muestreo es con reemplazo, A y B son
independientes. Así, p(un as en la primera extracción y un as en la segunda extracción) =
donde A representa obtener un as en la primera extracción y • „. ,
B representa obtener un as en la segunda extracción ., 0
„.
Eventos
ntos favorables a A‘
A‘-- __I
.■ —
A
. 1
A
. "7-
4 Y
1 1
• + y
y
Eventos favorables a B
. . .
4.
.
yy
y
.
y
y
6
;;
4/
p(un as en la primera extracción)p(un as en la segunda extracción). Como existen cuate
ases posibles en la primera extracción, cuatro ases posibles en la segunda extracción (el ,
muestreo es con reemplazo) y 52 cartas en la baraja, p(un as en la primera extracción)
h y p(un as en la segunda extracción) = h. Así, p(un as en la primera extracción y un as el,
la segunda extracción) = h(h) = = 0.0059.
Veamos algunos problemas de práctica.
Probabilidad 169
S uponga que lanzamos un par de dados legales una sola vez. ¿Cuál es la proba-
bilidad de obtener un 2 en el primer dado y un 4 en el segundo?
La solución aparece en la figura 8.7. Como hay una independencia entre los
dos dados y como el problema pide un 2 y un 4, podemos aplicar la regla del
producto para eventos independientes. Así, p(un 2 en el primer dado y un 4 en el
segundo). Existe una forma de obtener un 2 en el primer dado, una de conseguir
un 4 en el segundo dado y seis resultados posibles para cada dado. Por lo tanto,
p(un 2 en el primer dado) =-61 ,p(un 4 en el segundo) =!,- y p(un 2 en el primer dado
y un 4 en el segundo) = .11-) = = 0.0278.
p(A y B) = p(A)p(B)
p(un 2 en el primer dado y un 4 en el segundo)
= p(un 2 en el primer dado)p(un 4 en el segundo)
(1)(I 1=
O 0278
= VW) k-67= 36 •
Eventos favorables a A o
Dado I
o
o o
Eventos favorables a B
Dado 2 41 •
donde A representa obtener un 2 enel primer dado y
B representa obtener un 4 en el segundo dado
170 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
i se lanzan dos monedas una sola vez, ¿cuál es la probabilidad de que ambas
caigan con cara hacia arriba? Suponga que las monedas no están cargadas y que
una cara o una cruz es el único resultado posible para cada moneda.
La solución aparece en la figura 8.8. Como el resultado para la primera mone-
da no tiene efecto alguno sobre el resultado de la segunda, los eventos son inde-
pendientes. Como en el problema se pide una cara para ambas monedas podemos
usar la regla del producto correspondiente. Así, p(una cara con la primera mone-
da y una cara con la segunda moneda) = p(una cara con la primera moneda)p
(una cara con la segunda moneda). Como sólo existe una forma de obtener una ca-
ra con cada moneda y dos posibilidades en cada moneda (cara o cruz), p(una
cara con la primera moneda) = y p(una cara con la segunda moneda) = Así,
p(una cara con la primera moneda y una cara con la segunda moneda) = ÷(;)
= 0.2500.
p(A y B) = p(A)p(B)
= (1--) = 0.2500
oriorm
Eventos favorables a B
Segunda moneda
Probabilidad 171
S uponga que extrae una muestra aleatoria de una bolsa de frutas. La bolsa con-
tiene 4 manzanas, 6 naranjas y 5 duraznos. Si selecciona dos frutas, una a la vez,
con reemplazo, ¿cuál es la probabilidad de que obtenga una naranja y una man-
zana, en ese orden?
La solución aparece en la figura 8.9. Como las extracciones son independien-
tes (el muestreo es con reemplazo) y como queremos obtener una naranja y una
manzana, aplicamos la regla del producto correspondiente. Así, p(una naranja en
la primera extracción y una manzana en la segunda extracción) = p(una naranja
en la primera extracción) p(una manzana en la segunda extracción). Como exis-
ten 6 naranjas y 15 frutas en la bolsa, p(una naranja en la primera extracción) =
A. Como la fruta obtenida en la primera selección se reemplaza antes de la se-
gunda, el resultado no tiene efecto alguno sobre la fruta elegida en esta segunda
elección. Como hay 4 manzanas y 15 frutas, p(una manzana en la segunda ex-
tracción) = A. Por lo tanto, p(una naranja en la primera extracción y una manza-
na en la segunda extracción) = A) = 0.1067.
p(A y B) = p(A)p(B)
PROBLEMA DE PRÁCTICA 8 . 7
(.1hombrey
¿Cuál es la verdad? 173
19 (A YBYCY Y Z) = 1 2 (A)P(B)P(C)...P0
regla del producto para más de
dos eventos independientes
Para mostrar el uso de esta ecuación, suponga que en vez de obtener una muestra de
dos individuos pertenecientes a la población descrita en el problema de práctica 8.7, se
extrae una muestra de 4 personas. Salvo esta última condición, el problema es el mismo.
La población está compuesta por 50 hombres y 60 mujeres. Como antes, el muestreo es de
una persona a la vez, con reemplazo. ¿Cuál es la probabilidad de obtener 3 mujeres y 1
hombre, en ese mismo orden? La solución aparece en la figura 8.11. Como el problema
pide una mujer en la primera, segunda y tercera extracción y un hombre en la cuarta, y
como el muestreo es con reemplazo, aplicamos la regla del producto para más de dos
eventos independientes. Esta regla es similar a la del producto para dos eventos indepen-
dientes, sólo que tiene más factores. Así, p(una mujer en la primera extracción y una
mujer en la segunda extracción, una mujer en la tercera extracción y un hombre en la
cuarta extracción) = p(una mujer en la primera extracción)p(una mujer en la segun-
da extracción)p(una mujer en la tercera extracción)p(un hombre en la cuarta extracción).
Hay 60 mujeres, 50 hombres y 110 personas en la población. Como el muestreo es con
reemplazo, p(una mujer en la primera extracción) =1, p(una mujer en la segunda extrac-
ción) = p(una mujer en la tercera extracción) = y p(un hombre en la cuarta extracción)
=1. Así, p(una mujer en la primera extracción, una mujer en la segunda extracción, una
El muestreo sin reemplazo proporciona una buena ilustración de los eventos dep en,
dientes. Suponga que va a extraer dos cartas, una a la vez, sin reemplazo, de una baraja
ordinaria. ¿Cuál es la probabilidad de que ambas cartas sean ases?
La solución aparece en la figura 8.12. A representa un as en la primera extracción y E
representa un as en la segunda extracción. Como el muestreo es sin reemplazo (la carta
obtenida la primera vez se retira de la baraja), la ocurrencia de A realmente afecta la pro-
babilidad de B. A y B son dependientes. Como el problema pide un as en la prime-
ra extracción y un as en la segunda, y como estos eventos son dependientes, aplicamo s
la regla del producto correspondientes. Así, p(un as en la primera extracción y un as en id
segunda extracción) =p(un as en la primera extracción)p(un as en la segunda extracción
dado que se obtuvo un as en la primera extracción). Para la primera selección, hay 4 ase,
y 52 cartas. Por lo tanto, p(un as en la primera extracción) = Como el muestre, ,
es sin reemplazo, p(un as en la segunda extracción dado un as en la primera extracción)
1. Así, p(un as en la primera extracción y un as en la segunda extracción) =' 7-:',,-(‘41
0.0045. 3‘ = 261 52 2 :-
• • O
• .• • •
• * •
Eventos favorables a B
1 '■ ■
A
4 •
V
•
*
V
A
0 •
V
PROBLEMA QE PR ÁCTICA 8.B
S uponga que extrae al azar dos frutas, unaa la vez, de la misma bolsa descrita
en el problema de práctica 8.6. Como antes, dicha bolsa contiene 4 manzanas, 6
naranjas y 5 duraznos. Sin embargo, esta vez obtendrá la muestra sin reemplazo.
¿Cuál es la probabilidad de obtener una naranja y una manzana, en ese mismo
orden?
La solución aparece en la figura 8.13. Como el problema pide una naranja y
una manzana y como el muestreo es sin reemplazo, aplicamos la regla del pro-
ducto para eventos dependientes. Así, p(una naranja en la primera extracción
y una manzana en la segunda extracción) = p(una naranja en la primera
extracción)p(una manzana en la segunda extracción, dado que se obtuvo una
naranja en la primera extracción). En la primera selección, hay 6 naranjas y 15
frutas. Por lo tanto, p(una naranja en la primera extracción) =1. Como el muestreo
es sin reemplazo, p(una manzana en la segunda extracción dada una naranja en
la primera extracción) =1. Por lo tanto, p(una naranja en la primera extracción y
una manzana en la segunda extracción) = = -221 = 0.1143.
p(A y B) = p(A)p(BIA)
(6j4\
= 115)114/
Naranja Manzana
=
24 = 01143
210
e ----e — 1
donde A indica obtener una naranja I, I
en la primera extracción y 1
B obtener una manzana I,
en la segunda extracción
)'
. .,- ,
P o 17. CA 8.9
11
24 estudiantes
15 estudiantes e fl de
de historia
donde A representa obtener un estudiante música
de historia en la primera extracción y
B representa obtener un estudiante de historia 46 estud diantes
en la segunda extracción psicología 1
Probabilidad 177
Como en el caso de la regla del producto para eventos independientes, la del producto
para eventos dependientes también se aplica a situaciones con más de dos eventos. En
tales casos, la ecuación es
Para mostrar el uso de esta ecuación, veamos un problema con más de dos eventos
dependientes. Suponga que va a extraer una muestra de 4 alumnos del grupo presentado
en el problema de práctica 8.9. En esa clase había 15 estudiantes de música, 24 de histo-
ria y 46 de psicología. Si el muestreo es de una persona a la vez, sin reemplazo, ¿cuál es
la probabilidad de obtener 4 estudiantes de historia?
La solución aparece en la figura 8.15. Como el problema pide un estudiante de histo-
ria en la primera, segunda, tercera y cuarta extracciones, y como el muestreo es sin reem-
plazo, aplicamos la regla del producto con más de dos eventos dependientes. Esta regla
se parece mucho a la del producto para dos eventos dependientes, sólo que tiene más
factores. Así, para este problema, p(un estudiante de historia en la primera extracción y
un estudiante de historia en la segunda extracción, un estudiante de historia en la terce-
46 estudiantes
de
psicología
78 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
• • • •
B • • •
II , • •
Probabilidad 179
Resolvamos otro problema que implica las reglas de la suma y del producto.
I magine que ha llegado a Las Vegas y decide probar su "suerte" con una máqui-
na tragamonedas. En caso de que usted no conozca este tipo de máquinas, éstas
constan de tres rodillos que giran en forma independiente. Cada rodillo tiene la
imagen de diversos objetos. Suponga que la máquina con la que está jugando
tiene siete frutas distintas en el primer rodillo. Hay un limón, una ciruela, una
manzana, una naranja, una pera, algunas cerezas y un plátano. Los rodillos 2 y
3 tienen las mismas frutas que el primero. Cuando se jala la palanca hacia abajo,
los tres rodillos giran en forma independiente y después se detienen. En la má-
quina existe una ventana al frente de cada rodillo. Las imágenes de las frutas
pasan por la ventana durante la rotación. Cuando la rueda se detiene, una de las
frutas de cada tambor se podrá ver por la ventana. Supondremos que cada fru-
ta del rodillo tiene la misma probabilidad de aparecer por la ventana al final de
la rotación. Usted inserta una moneda y jala la palanca. ¿Cuál es la probabilidad
de que aparezcan dos limones y una pera? El orden no es importante: lo único
que debe importarle es obtener dos limones y una pera, en cualquier orden.
La solución se presenta en la figura 8.17. Hay tres órdenes posibles de que
aparezcan dos limones y una pera: (limón limón pera); (limón pera limón) y (pera
limón limón). Como los rodillos giran en forma independiente, podemos utilizar
la regla del producto para eventos independientes y determinar la probabili-
dad de cada orden. Como cada fruta es igualmente probable, p(limón y limón
y pera) = p(limón)p(limón)p(pera) = .4.((,,-) = . Esta misma probabilidad se
aplica a los otros dos órdenes. Como los tres órdenes producen dos limones y
una pera, p(dos limones y una pera) = p(orden 1, 2 o 3). Al usar la regla de la
suma para eventos independientes, p(orden 1, 2 o 3) = - 31 = 0.0087. Así, la proba-
bilidad de obtener dos limones y una pera, sin importar el orden, es igual a 0.0087.
180
CAPITULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
®oo
Rueda -
Orden I
Orden 2 0 c),
Orden 3 o oo
p(orden 1) = p(limón en el primer rodillo y limón en el segundo rodillo y pera en el tercero)
= p(limón en el primer rodillo)p(limón en el segundo rodillo)p(pera en
el tercer rodillo)
1
=1) (7) (7)=-31-3
p(orden 2) = p(limón en el primer rodillo y pera en el segundo rodillo y limón en
el tercer rodillo)
= p(limón en el primer rodillo)p(pera en el segundo rodillo)p(limón en el tercer
rodillo)
0\ m (1 \ 1
= YTI 15.1 = 57-
13
p(orden 3) = p(pera en el primer rodillo y limón en el segundo rodillo y limón en el tercer
rodillo)
= p(pera en el primer rodillo)p(limón en el segundo rodillo)p(limón en el tercer
rodillo)
+1 1 3
- 343 343 + -s2F3 = =0.0087
Probabilidad 181
X— p. 134 — 120 14 _ 1 75
z= 8 — 8
De la columna C en la tabla A,
X: 120 134
Z: 1.75
182 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
Estamos seguros de que el lector reconocerá que este tipo de problema es similar a lo s
sentados en el capítulo 5, cuando estudiamos los puntajes estándar. La diferencia prii]ji
pal es que ahora el ejercicio se formula en términos de probabilidad y no en término,
la proporción o porcentaje de datos como en el capítulo 5. Como el lector ya está farnihrir:
zado con esta clase de pruebas, no creemos que sea necesario resolver muchos probi L
mas de práctica. Sin embargo, solucionaremos unos cuantos sólo para asegurarnos.
X-p 110-120
= =-1.25
a 8
p(X5110) = 0.1056
0.1056
X: 110 120
-1.25
c5 8 8 a 8 8
= —2.25 = 2.25
De la tabla A, columna C,
E 1 encabezado de un artículo
aparecido en 1995 en un
importante periódico, decía: "20
años de estudio muestran un declive
en el número de espermatozoides
y Esperma de esa capital, examinó
el semen recolectado por un banco
de esperma en París a partir de 1973.
Se informa que la cantidad de
espermatozoides se redujo un promedio
metodológicas, de modo que los datos
no se podían interpretar como
concluyentes.
Sherins afirmó que los estudios no
analizaron el esperma de hombres
entre los hombres fértiles". Aquí de 2.1 por ciento por año, pasando de elegidos al azat; que la cantidad de
reproducimos algunas partes de ese 89 millones de espermatozoides por espermatozoides y su calidad varía
artículo. milímetro en 1973 a un promedio de 60 mucho de una semana a otra, de modo
Un nuevo estudio ha determinado millones por milímetro en 1992. Al que es difícil basarse en muestras
un notable declive en la cantidad de mismo tiempo, se determinó que los únicas para medir la calidad
espermatozoides entre los hombres porcentajes de espermatozoides con de los espermatozoides, como
fértiles durante los últimos 20 años... movimiento normal y sin deformaciones lo hacían los estudios.
El artículo, publicado hoy en The se redujo entre un 0.5 y 0.6 del uno por ¿Qué piensa? ¿Por qué podría ser
New England Journal of Medicine, se ciento anual. tan importante utilizar muestras
basó en los datos reunidos durante un El artículo está acompañado de un de hombres elegidos al azar y no de
periodo de 20 años en un banco de editorial por invitación, escrito por un los hombres que depositan su
esperma de París. Algunos expertos, en experto en esterilidad masculina, doctor esperma en un banco de esperma?
Estados Unidos, mostraron cierta Richard Sherins, director de la División ¿Por qué podría la gran variabilidad
objeción a los descubrimientos... de Andrología en el Genetics and IVF en la cantidad y calidad de los
El nuevo estudio, realizado por el Institute en Fanfax, Vancouver, espermatozoides de una semana
doctor Pierre Jouannet del Centro para quien afirmó que ese estudio y otros a otra complicar la interpretación
el Estudio y la Conservación de Óvulos anteriores adolecían de fallas de los datos?
186
CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
RESUMEN
En este capítulo hemos analizado los temas de muestreo
Si los eventos son mutuamente excluyentes:
aleatorio y de probabilidad. Una muestra aleatoria se
define como aquella que se ha elegido de una población
p(A o B) = p(A) + p(B)
mediante un proceso que garantice lo siguiente: (1) cada
muestra posible de un tamaño dado tiene la misma pro-
Si los eventos son mutuamente excluyentes y exhall,,
babilidad de ser escogidas y (2) todos los miembros de tivos:
la población tienen la misma posibilidad de ser elegidos
en la muestra. Después de definir y analizar la importan- p(A) + p(B) = 1.00
cia del muestreo aleatorio, describimos varios métodos
para obtener una muestra aleatoria. Luego, analizamos La regla del producto establece lo siguiente:
el muestreo con y sin reemplazo.
Al presentar el tema de la probabilidad, señalamos p(A y B) = p(A)p(BIA)
que ésta se puede enfocar desde dos puntos de vista: a
priori y a posteriori. De acuerdo con el punto de vista
a priori, p(A) se define como: Si los eventos son mutuamente excluyentes:
p(A y B)=0
p(A o B)= p(A) + p(B)— p(A y B) p(A) = Área debajo de la curva, correspondiente a A
Área total bajo la curva
1 0.
TÉRMINOS IMPORTANTES
A posteriori (página 160) Muestra aleatoria (página 156)
A priori (página 159) Probabilidad (página 159)
Muestreo con reemplazo (página 158) Regla de la suma (página 161)
Exhaustivo (página 165) Muestreo sin reemplazo (página 159)
Independiente (página 167) Regla del producto (página 166)
Mutuamente excluyentes (página 162)
Preguntas y problemas 187
pg EGuNTAS Y PROBLEMAS
1, Defina o identifique cada concepto de la sección 11. Si usted extrae una sola carta de una baraja ordina-
"Términos importantes". ria, ¿cuál es la probabilidad de que sea:
2, ¿Cuáles son los dos propósitos del muestreo aleatorio? a. El as de diamantes?
3, Suponga que quiere formar una muestra aleatoria b. Un 10?
de 20 sujetos a partir de una población de 400 indi- c. Una reina o un corazón?
viduos. El muestreo será sin reemplazo y usted pla- d. Un 3 o una carta negra?
nea utilizar la tabla J del apéndice D para realizar la 12. Si usted lanza dos dados honestos una vez, ¿cuál es
aleatoriedad. Explique cómo utilizaría la tabla pa- la probabilidad de obtener:
ra elegir a la muestra. a. Un 2 en el primer dado y un 5 en el segundo?
• ¿Cuál es la diferencia entre la probabilidad a priori b. Un 2 y un 5, sin importar cuál de los dados tiene
y a posteriori? el 2 o el 5?
5. La regla de la suma proporciona la probabilidad de c. Al menos un 2 o un 5?
ocurrencia de cualquiera de varios eventos, mien- d. Una suma igual a 7?
tras que la regla del producto determina la probabi- 13. Si usted realiza un muestreo aleatorio, tomando un
lidad de la ocurrencia conjunta o sucesiva de varios elemento a la vez, con reemplazo, de una bolsa que
eventos. ¿Es correcta esta afirmación? Explique me- contiene ocho canicas azules, siete canicas rojas
diante ejemplos que ilustren su respuesta. y cinco canicas verdes, ¿cuál es la probabilidad de
6. Al resolver problemas que impliquen la regla del obtener:
producto, es útil distinguir entre tres condiciones. a. Una canica azul en una extracción de la bolsa?
¿Cuáles son éstas? ¿Por qué es importante diferen- b. Tres canicas azules en tres extracciones de la bol-
ciarlas? sa?
7. ¿Cuál es la definición de la probabilidad cuando la c. Una canica roja, una verde y una azul, en ese or-
variable es continua? den, en tres extracciones de la bolsa?
8. ¿Cuáles, de los siguientes ejemplos, son eventos in- d. Al menos dos canicas rojas en tres extracciones
dependientes? de la bolsa?
a. Obtener un 3 y un 4 al lanzar un par de dados 14. Responda a las mismas preguntas del problema 13,
honestos. excepto que ahora el muestreo es de una canica a la
b. Obtener un as y un rey, en ese orden, al extraer vez sin reemplazo.
dos cartas, sin reemplazo, de una baraja. 15. Usted juega con la máquina tragamonedas descri-
c. Obtener un as y un rey, en ese orden, al extraer ta en el problema de práctica 8.10 de la pági-
dos cartas, con reemplazo, de una baraja. na 177. Esta tiene tres rodillos, y en cada uno de
d. Un cielo nublado seguido por lluvia. ellos hay una imagen de un limón, una ciruela, una
e. Una luna llena y comer una hamburguesa. manzana, una naranja, una pera, cerezas y un pláta-
9. ¿Cuáles de los siguientes ejemplos, son eventos mu- no (siete imágenes distintas). Usted inserta una mo-
tuamente excluyentes? neda y jala la palanca. ¿Cuál es la probabilidad de
a. Obtener un 4 y un 7 al extraer una carta de una que aparezcan:
baraja ordinaria. a. Tres naranjas?
b. Obtener un 3 y un 4 al lanzar dos dados honestos b. Dos naranjas y un plátano, sin importar el orden.
c. Ser hombre y estar embarazado. c. Al menos dos naranjas?
d. Obtener un 1 y un número par en el lanzamiento 16. Usted quiere llamar a una amiga por teléfono. Sólo
de un dado honesto recuerda los tres primeros dígitos de su número te-
e. Casarse y seguir soltero. lefónico y ha olvidado los últimos cuatro. ¿Cuál es
1 0. ¿Cuáles, de los siguientes ejemplos, son eventos ex- la probabilidad de que marque al azar el número
haustivos? correcto?
a. Lanzar una moneda y obtener una cara o una cruz 17. Usted planea "hacer su agosto" en el hipódromo.
(la moneda no puede quedar de canto). En cierta carrera participan siete caballos. Si los ca-
b. Lanzar un dado y obtener un dos. ballos están clasificados de la misma manera, ¿cuál
c. Presentar un examen, y aprobarlo o reprobarlo. es la probabilidad de que elija en forma correcta al
d. Tener una cita y pasarla bien. ganador y al segundo lugar?
CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
Una máquina con gomas de mascar tiene 38 chicles b. Esté entre 110 y 125? oTA S
de color naranja, 30 morados y 18 amarillos. La c. Sea menor de 100?
máquina opera de modo que al introducir una mo- 24. Un etólogo está interesado en saber cuánto del-1111,, s 1 Observem
.
NOTAS
misma posibilidad de ser elegidos en la muestra.
8 Observemos que si el proceso garantiza que cada
muestra posible de un tamaño dado tenga la misma pro- Incluimos este último enunciado en la definición
babilidad de ser elegida, entonces también garanti- debido a que creíamos que era lo suficientemente im-
za q ue todos los miembros de la población tengan la portante como para merecer un énfasis especial.