LECCIN

CONDENSADA

13.1
En esta leccin

Distribuciones de probabilidad

Dibujars la grfica de la distribucin de probabilidad de una variable aleatoria continua Encontrars unas probabilidades al hallar o aproximar las reas bajo una curva de distribucin de probabilidad Extenders las definiciones de moda, mediana, y media a las distribuciones de probabilidad

En tiempos electorales, a menudo las estaciones de televisin, los diarios, y las revistas llevan a cabo encuestas. Al encuestar una pequea muestra de votantes, esperan obtener informacin sobre cmo se siente la poblacin completa de votantes sobre cierto candidato o ciertas cuestiones. En captulos anteriores aprendiste algunas estadsticaspor ejemplo, la media, la mediana, y la desviacin estndarque se pueden usar para describir una muestra. Los nmeros correspondientes que describen a la poblacin completa se llaman los parmetros. Cunto ms grande sea la muestra, ms cerca estarn sus estadsticas a los parmetros. En el captulo anterior, trabajaste con unas variables aleatorias discretas. Los datos tenan valores enterospor ejemplo, 10 caras o 3 cruces. En ocasiones, los datos pueden tomar cualquier valor real dentro de un intervalo. Esto se representa mediante una variable aleatoria continua. Por ejemplo, la altura de una persona elegida al azar es una variable aleatoria continua. Una persona podra tener una altura de 165 cm o de 166 cm, pero cualquier medida entre tales mediciones enteras tambin es posible (por ejemplo, 165.25 cm 165.67897 cm).

Investigacin: Longitud de lpices

La investigacin en tu libro requiere que renes unos datos sobre las longitudes de los lpices de todos tus compaeros de aula. Los resultados siguientes se basan en tales datos. (Las longitudes estn en centmetros.) {16.9, 18.7, 11.3, 13.8, 15.2, 17.0, 16.5, 16.6, 11.8, 17.2, 15.5, 15.7, 17.0, 11.4, 16.5, 16.0, 13.4, 15.7, 15.5, 14.1, 12.3, 13.8, 15.5, 15.7, 10.7, 15.6, 12.1, 14.4, 16.5, 17.9, 8.2, 17.8, 17.6, 14.1, 16.7, 14.6, 12.3, 10.0, 13.2, 14.3}
Nmero de lpices

Crea un histograma de estos datos con columnas que representan incrementos de 1 cm. El histograma debe parecerse al siguiente. Divide el nmero de lpices de cada columna entre el nmero total de lpices. Debes obtener los siguientes resultados: 89: .025 1213: .075 1617: .175 910: 0 1314: .1 1718: .15 1011: .05 1415: .125 1819: .025 1112: .075 1516: .2

10 8 6 4 2 0 8 10 12 14 16 18 20 Longitud de lpiz (cm)

Haz un segundo histograma usando estos nuevos valores como los valores y. Tu histograma debe parecerse al que presentamos en la prxima pgina. Esta grfica tiene la misma forma que la anterior, pero la escala vertical es diferente.
Discovering Advanced Algebra Condensed Lessons in Spanish
2004 Key Curriculum Press

(contina)
CHAPTER 13

201

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 202

Leccin 13.1 Distribuciones de probabilidad (continuacin)

La altura de cada barra representa la fraccin de lpices con longitudes dentro del intervalo dado. Como el ancho de cada barra es 1, el rea de cada barra tambin representa la fraccin de lpices dentro del intervalo. Debido a que se tomaron en cuenta todos los lpices, el rea total de todas las barras debe ser 1. Puedes verificar esto sumando las reas. Observa que el rea de cada cuadrado de la cuadrcula es .025.
.25 Fraccin de lpices Fraccin de lpices .20 .15 .10 .05 0

Imagina que renas y mides cada vez ms lpices y dibujas un 8 10 12 14 16 18 20 histograma usando la fraccin de lpices como la altura de la Longitud de lpiz (cm) columna. Dibuja un histograma correspondiente a un nmero infinito de lpices. Asegrate de poder justificar la forma de tu histograma. Imagina que haces una encuesta completa y precisa de todos .25 los lpices del mundo. Supn que la distribucin de .20 longitudes sea aproximadamente la misma que la de la .15 muestra anterior. Adems, supn que utilices un nmero infinito de columnas delgadas. (Cada ancho de columna .10 representa una fraccin infinitamente pequea de un .05 centmetro.) Para aproximar esta grfica, dibuja una curva 0 lisa sobre la parte superior de tu histograma. Haz que el rea 8 10 12 14 16 18 20 entre la curva y el eje horizontal sea aproximadamente la Longitud de lpiz (cm) misma que el rea del histograma. Trata de asegurar que el rea extra encerrada por la curva por encima del histograma sea igual que el rea cortada en las esquinas de las columnas, como en la curva que se muestra aqu. Usa tu curva para estimar las reas descritas en el Paso 7 en tu libro. Las siguientes estimaciones se basan en la curva que se muestra aqu. a. Aproximadamente .025 c. Aproximadamente 32.5(.025), .8125 b. Aproximadamente 3(.025), .075 d. 0

El segundo histograma que hiciste en la investigacin, donde se muestra la fraccin de lpices en cada columna, se llama un histograma de frecuencias relativas. La curva lisa que dibujaste se aproxima a la distribucin de probabilidad de una variable aleatoria continua para el conjunto infinito de mediciones. Las reas que encontraste son las probabilidades de que la longitud de un lpiz escogido al azar satisfaga la condicin dada. Si x representa la variable aleatoria continua que da las longitudes de los lpices en centmetros, entonces puedes escribir estas reas como P(x 10) P(11 x 12) P(x 12.5) P(x 11)

En una distribucin de probabilidad continua, la probabilidad de tener cualquier resultado sencillo, tal como la probabilidad de que la longitud de un lpiz sea 11 cm, es el rea de un segmento de recta, es decir, 0. Tericamente es posible que un lpiz tenga 11 cm de longitud, pero la probabilidad de escoger un resultado entre un nmero infinito de ellos es 0. Lee el Ejemplo A en tu libro, donde se ilustra cmo las reas representan las probabilidades para una variable aleatoria continua. Despus del Ejemplo A, tu libro define la moda, la mediana, y la media de una distribucin de probabilidad. Estas definiciones estn relacionadas, aunque son un tanto diferentes, con las definiciones que aprendiste anteriormente. Lelas atentamente y asegrate de que tengan sentido para ti. Despus aplica las nuevas definiciones, trabajando el Ejemplo B. 202
CHAPTER 13

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 203

LECCIN

CONDENSADA

13.2
En esta leccin

Distribuciones normales

Descubrirs que la grfica de una distribucin binomial es una curva con forma de campana, que se llama una curva normal Aprenders la ecuacin de una distribucin normal con media y desviacin estndar Usars las funciones de una calculadora para graficar una curva normal y encontrar reas debajo de una porcin de la curva

En el Captulo 12, estudiaste la distribucin binomial para variables aleatorias discretas. En general, si un experimento tiene dos resultados, xito y fracaso, con una probabilidad de xito p y una probabilidad de fracaso q, entonces la probabilidad de x xitos en n ensayos es P(x) nCx p xqn x. Observa que q 1 p, de modo que esto es equivalente a P(x) nCx p x (1 p)n x. En esta leccin, descubrirs algunas propiedades de esta distribucin de probabilidad.

Investigacin: La campana
Completa la investigacin en tu libro. Despus compara tus resultados con los siguientes.
Paso 1 p .5 y 1 p .5; esto es, la probabilidad de obtener una cara en cualquiera de 5 ensayos es .5, y la probabilidad de no obtener una cara (es decir, obtener una cruz) es .5. Tericamente, la mitad de los lanzamientos sern caras, de modo que 7 y 8 darn el valor mximo para P(x). Paso 2

He aqu la tabla completa:

0 .000 8 .196 1 .000 9 .153 2 .003 10 .092 3 .014 11 .042 4 .042 12 .014 5 .092 13 .003 6 .153 14 .0000 7 .196 15 .000

Caras (x) P(x) Caras (x) P(x)

La suma es el total de las probabilidades de todos los resultados posibles de cualquier experimento, 1.
Paso 3 Este histograma tiene forma de loma y es simtrico. Los valores y van de 0 a aproximadamente .196. El valor mximo se presenta en x 7 y x 8. Paso 4 La funcin se define para los valores enteros que van de 0 a 15. La grfica consiste en puntos discretos que adquieren una forma de loma simtrica, con la misma forma del histograma del Paso 3. La media, la mediana, y la moda son todas iguales a 7.5.

[0, 15, 1, 0, 0.25, 0.1]

[0, 18.8, 1,

0.01, 0.25, 0.1]

(contina)

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

CHAPTER 13

203

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 204

Leccin 13.2 Distribuciones normales (continuacin)

Paso 5 La funcin describe las distribuciones de probabilidad cuando se lanzan 45 monedas al mismo tiempo. La forma es la misma que la del Paso 4, pero ms amplia y ms corta. El dominio son los valores enteros desde 0 hasta 45. El rango va de 0 hasta aproximadamente .117. La media, la mediana, y la moda son todas iguales a 22.5.

[0, 47, 1, Si el nmero de monedas aumentara, el dominio aumentara y el rango disminuira. La forma general sera la misma, pero la grfica sera ms amplia, ms lisa, y ms plana. La media, la mediana, y la moda se moveran a n , 2 donde n es el nmero de monedas. La desviacin estndar sera ms grande debido a la mayor dispersin.
Paso 7

Paso 6

22.5, s

3.354

0.01, 0.25, 0.1]

A medida que n se hace cada vez ms grande, la distribucin binomial se ve cada vez ms continua hasta que adquiere la apariencia de la curva en forma de campana que se muestra aqu. Las distribuciones de poblaciones grandes a menudo tienen esta forma. Una curva con esta forma se llama una curva normal, y una distribucin con esta forma se llama una distribucin normal. Observa que utilizas x y s para representar la media y la desviacin estndar de una muestra, pero usas y (se pronuncian myu y sigma) para representar la media y la desviacin estndar de una poblacin entera. Empezando en la pgina 735 en tu libro, se analiza la ecuacin de la grfica de la distribucin normal. Lee ese texto y trabaja el Ejemplo A. En el ejemplo, graficas la ecuacin general de la curva normal, escribes la ecuacin de una distribucin normal estndar con media y desviacin estndar , y despus escribes una ecuacin para una curva normal que se ajuste a una distribucin binomial dada. La ecuacin general de una distribucin normal tambin se da en el recuadro The Normal Distribution (la distribucin normal) en la pgina 737. Puede resultar tedioso introducir la ecuacin de la distribucin normal en una calculadora. Afortunadamente, la mayora de las calculadoras proporcionan la ecuacin como una funcin preconfigurada. Slo tienes que proporcionar la media y la desviacin estndar. (Consulta Calculator Note 13B para aprender cmo graficar una distribucin normal en tu calculadora.) En este captulo se usa la notacin n(x, media, desviacin estndar) para representar una distribucin normal. As, por ejemplo, n(x, 2.6, 1.5) representa una distribucin normal con media 2.6 y desviacin estndar 1.5. La funcin distribucin normal estndares decir, la funcin de la distribucin normal con media 0 y desviacin estndar 1se denota simplemente como n(x). La notacin N(inferior, superior, media, desviacin estndar) se usa para representar el rea debajo de una parte de la curva normal. Por ejemplo, N(2, 3, 2.6, 1.5) representa el rea entre x 2 y x 3 debajo de la curva de la distribucin normal con media 2.6 y desviacin estndar 1.5. Curvatura hacia abajo (Consulta Calculator Note 13C para aprender cmo hallar estas reas en tu calculadora.) Lee el Ejemplo B en tu libro. En los puntos que estn a una desviacin estndar de la media, la curva normal cambia, de una curvatura hacia abajo a una curvatura hacia arriba. Estos puntos se llaman los puntos de inflexin. Puedes estimar la desviacin estndar de una distribucin normal, ubicando los puntos de inflexin de su grfica. 204
CHAPTER 13

Curvatura hacia arriba

Curvatura hacia arriba

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 205

LECCIN

CONDENSADA

13.3
En esta leccin

Valores z e intervalos de confianza

Descubrirs la regla 68-95-99.7 para determinar la probabilidad de que un valor de datos est dentro de una, dos, o tres desviaciones estndares de la media Aprenders cmo transformar los valores x de una distribucin normal en valores z Calculars unos intervalos de confianza

Conocer cmo un valor de una muestra se relaciona con el valor medio no te dice si el valor es tpico. Por ejemplo, decir que el peso de un perro terrier escocs es de 4 lb por encima de la media no te dice si esta medida es un evento raro o un evento comn. Si supieras cuntas desviaciones estndares tiene el peso del perro de la media, podras evaluar si tal peso es comn.

Investigacin: reas y distribuciones

Completa la investigacin en tu libro, a suponiendo que la medicin que hiciste es de 72.4 cm. Supn, tambin, que todos los compaeros de tu aula obtuvieron respuestas parecidas en el Paso 2. Cuando termines, compara tus resultados con los siguientes.
Paso 1

Tu grfica debe ser una curva con forma de campana, simtrica con respecto a x 72.4, con puntos de inflexin en aproximadamente 71.6 y 73.2 (los valores x que estn a una desviacin estndar de la media).

Paso 2

a. N(71.6, 73.2, 72.4, 0.8) .683, aproximadamente 68% b. N(72.4 2(0.8), 72.4 2(.8), 72.4, 0.8) N(70.8, 74, 72.4, 0.8) aproximadamente 95% c. N(72.4 3(0.8), 72.4 3(.8), 72.4, 0.8) N(70, 74.8, 72.4, 0.8) aproximadamente 99.7%

.954, .997,

Paso 3 Para una distribucin normal, existe un 68% de probabilidad de que un valor est dentro de una desviacin estndar de la media, un 95% de probabilidad de que un valor est dentro de dos desviaciones estndares de la media, y un 99.7% de probabilidad de que un valor est dentro de tres desviaciones estndares de la media.

En una distribucin normal, el valor z de x es el nmero de desviaciones estndares a las cuales x se encuentra de la media. En la investigacin, encontraste que la probabilidad de que una nueva medida tenga un valor z entre 1 y 1 es 68%, la probabilidad de que tenga un valor z entre 2 y 2 es 95%, y la probabilidad de que tenga un valor z entre 3 y 3 es 99.7%. Puedes pensar en los valores z de x como la imagen de x bajo una transformacin que traslada y estira o encoge la distribucin normal, para convertirla en la distribucin normal estndar n(x) con media 0 y desviacin estndar 1. La transformacin de valores x en valores z se llama estandarizacin de la variable y se puede calcular x con la ecuacin z , donde y son la media y la desviacin estndar de la distribucin normal de x. Trabaja el Ejemplo A en tu libro, que ilustra la estandarizacin de la variable. Observa que, cuando se usa un proceso de tanteos en la parte c, debes probar solamente los intervalos que son simtricos con respecto a la media.
Discovering Advanced Algebra Condensed Lessons in Spanish
2004 Key Curriculum Press

(contina)
CHAPTER 13

205

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 206

Leccin 13.3 Valores z e intervalos de confianza (continuacin)

No hay manera de saber con certeza de la cercana entre la media de la poblacin normalmente distribuida y la media de una muestra. Sin embargo, puedes describir el nivel de confianza que tienes de que la media de la poblacin se encuentre dentro de un intervalo dado, centrada en la media de la muestra. Un intervalo de confianza p% es un intervalo alrededor de la media de la muestra, x , en el que puedes tener p% de confianza de que la media de la poblacin, , se encuentre ah. Especficamente, si z es el nmero de desviaciones estndares desde la media, dentro de la cual se encuentra el p% de los datos normalmente distribuidos, entonces el intervalo de confianza p% de una muestra de tamao n es z z x x n n En muchas situaciones reales, no conocers la desviacin estndar de la poblacin. Sin embargo, si el tamao de la muestra es lo suficientemente grande, por lo general n 30, puedes usar la desviacin estndar de la muestra, s, en lugar de . La regla 68-95-99.7 te dice cules valores z debes usar si quieres tener una confianza de 68%, 95%, 99.7%. La tabla en la pgina 748 de tu libro da los valores z para algunos otros intervalos de confianza de uso comn. En el Ejemplo B en tu libro, se calculan los intervalos de confianza utilizando los valores de la tabla. Lee ese ejemplo, y despus intenta resolver el problema en el ejemplo siguiente.

EJEMPLO

El gerente de control de calidad de una empresa que empaca cereal sac una muestra aleatoria de 30 cajas del cereal Morning Crunch de las lneas de produccin y pes el contenido de cada caja. El peso medio de la muestra fue de 9.8 onzas y la desviacin estndar fue de 0.42 onzas. a. Encuentra los intervalos de confianza de 68% y 90%. b. La etiqueta de la caja de Morning Crunch dice que el peso es de 10 onzas. Crees que el gerente de control de calidad debe informar que hay un problema con el peso de las cajas? Explica tu respuesta.

Solucin

a. Usando la desviacin estndar de la muestra en lugar de , el intervalo de confianza de 68% es 9.8 1(0.42) , 9.8 30 1(0.42) , aproximadamente (9.72, 9.88) 30

El gerente de control de calidad tiene una confianza de 68% de que el peso medio est entre 9.72 y 9.88 onzas. En la tabla de tu libro se indica que el valor z correspondiente a un intervalo de confianza de 90% es 1.645, de modo que el intervalo de confianza de 90% es 9.8 1.645(0.42) , 9.8 30 1.645(0.42) , aproximadamente (9.67, 9.93) 30

El gerente de control de calidad tiene una confianza de 90% de que el peso est entre 9.67 y 9.93 onzas. b. De acuerdo con la respuesta a la parte a, el gerente de control de calidad puede tener una certeza del 90% de que la poblacin media (es decir, el peso medio de todas las cajas producidas) se encuentra dentro del intervalo (9.67, 9.93). Este intervalo no incluye la cifra de 10 onzas, que es el peso que se alega en la caja, y por eso el gerente debe informar que hay problemas con el peso. 206
CHAPTER 13

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 207

LECCIN

CONDENSADA

13.4
En esta leccin

El Teorema del lmite central

Descubrirs cmo la media de una muestra se relaciona con la media de la poblacin, en los casos en que la poblacin no est distribuida normalmente Aplicars el Teorema del lmite central para probar una afirmacin con respecto a una media de poblacin Usars el proceso de inferencia para resolver un problema de la vida real

En la Leccin 13.3, usaste una muestra estadstica para estimar los parmetros de una poblacin distribuida normalmente. En esta leccin, explorars lo que te puede decir una muestra en los casos en que la poblacin no est distribuida normalmente.

Investigacin: Medias de muestras

El Paso 1 te pide crear una poblacin de un tipo particular: uniforme, normal, sesgada a la izquierda, o sesgada a la derecha. Abajo se muestran los resultados para una poblacin sesgada a la izquierda. Debes seguir los pasos por tu cuenta para al menos una de las otras posibilidades. (Consulta Calculator Note 13D para crear una lista de 200 valores, cada uno de ellos entre 20 y 50, para el tipo de poblacin que escoges.) Los comandos que siguen a la izquierda generan una poblacin sesgada a la izquierda de 200 valores entre 20 y 50. El histograma confirma que los datos estn sesgados a la izquierda. (Los valores son aleatorios, as que obtendrs una poblacin diferente y diferentes resultados si generas una poblacin sesgada a la izquierda.)

[20, 50, 2, 0, 100, 10]

Paso 2 Paso 3

La media de la poblacin, , es 43.07 y la desviacin estndar, , es 5.75.

El comando L1(randInt(1,200)) elegir al azar unos valores de datos de la lista L1. La seleccin de tres valores al azar resulta en la muestra {49.07, 46.93, 47.43}. La media de esta muestra es 47.81. Al sumar dos valores ms, elegidos al azar, se obtiene {49.07, 46.93, 47.43, 46.08, 41.72}, cuya media es 46.25. Sumando dos valores ms, se obtiene {49.07, 46.93, 47.43, 46.08, 41.72, 42.62, 37.82}, cuya media es 44.52. Las medias de la muestra se acercan bastante a la media de la poblacin, y a medida que agregas ms valores, se acercan ms a la media de la poblacin. A continuacin se muestran las grficas de y 2 . x ,y
2 x

Paso 4

,y

[0, 50, 5, 31.57, 54.57, 5]

Discovering Advanced Algebra Condensed Lessons in Spanish
2004 Key Curriculum Press

(contina)
CHAPTER 13

207

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 208

Leccin 13.4 El Teorema del lmite central (continuacin)

Paso 5 La rutina recursiva de la ilustracin que sigue agrega valores elegidos al azar, uno por uno, a una muestra y despus grafica cada punto (nmero muestreado, media). (En la rutina, N es el nmero de valores muestreados y T es el total (suma) de los valores muestreados.) Al ejecutar la rutina 50 veces, se grafican 50 puntos, como se muestra en la grfica abajo a la derecha.

[0, 50, 5, 31.57, 54.57, 5] Observa que a medida que aumenta el tamao de muestra, los puntos (que representan la media de la muestra) se aproximan cada vez ms a la recta y representa la media de la poblacin), con las cotas inferior y superior y 2 y . En otras palabras, para una muestra de tamao n, la media de la x muestra se encuentra dentro de 2 n y 2 n de la media de la poblacin.
Paso 6 Paso 7

(que y x

Si repites el Paso 5, obtendrs unos resultados parecidos.

No importa con qu tipo de distribucin de poblacin empieces (uniforme, normal, sesgada a la derecha, etctera), encontrars que a medida que aumenta el tamao de muestra, la media de la muestra se aproxima cada vez ms a la media de la poblacin. (Asegrate de verificar esto para al menos un otro tipo de poblacin!)

Acabas de descubrir que la media de una muestra se aproxima a la media de la poblacin, y que la aproximacin es mejor para las muestras ms grandes. De hecho, las medias de muestra estn distribuidas normalmente, aunque esto no sea cierto para la poblacin. Adems, puedes usar las medias de muestra para predecir la desviacin estndar de la poblacin. Estas observaciones se resumen en el Teorema del lmite central. Este teorema se encuentra en la pgina 753 de tu libro. Lee su texto y el prrafo que le sigue. Trabaja el Ejemplo A, en el cual se aplica el Teorema del lmite central para evaluar una afirmacin sobre la media de una poblacin. Observa que probar la afirmacin de la compaa implica responder la pregunta, Si la media de la poblacin es realmente 324 mg, cul es la probabilidad de seleccionar una muestra con una media de 319.96? En la solucin se llega a la conclusin de que podras esperar una muestra con esta media o una menor solamente el 5.7% del tiempo. El proceso utilizado en el Ejemplo A se llama inferencia. sta implica plantear una hiptesis sobre los parmetros de la poblacin (por ejemplo, La media es 324 mg), decidir las circunstancias en que la hiptesis sera improbable (por ejemplo, Una muestra aleatoria de 25 tabletas tomada de la poblacin tiene una media que se presentara menos del 10% del tiempo), reunir los datos, y rechazar la hiptesis o aceptarla, basndose en las probabilidades. El Ejemplo B te lleva por el proceso de inferencia paso a paso. Lee el ejemplo atentamente. Asegrate de entender el significado de la hiptesis nula. Despus lee el resto de la leccin, que explica el significado de una muestra aleatoria simple.

208

CHAPTER 13

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 209

LECCIN

CONDENSADA

13.5
En esta leccin

Datos bivariados y correlacin

Determinars si dos variables estn correlacionadas Usars el coeficiente de correlacin para determinar la fuerza de una correlacin

Muchos problemas estadsticos de la vida real implican predecir las asociaciones entre dos variables. Por ejemplo, algunos investigadores podran desear determinar si hay una asociacin entre el nmero de miligramos de vitamina C que una persona consume y el nmero de resfriados que la persona adquiere. El proceso de recoleccin de datos sobre dos variables posiblemente relacionadas se llama el muestreo bivariado. En esta leccin, aprenders determinar si existe una asociacin lineal entre unas variables y la fuerza de tal asociacin. Una asociacin lineal entre unas variables se llama una correlacin. La medida estadstica de asociacin lineal que ms se utiliza es el coeficiente de correlacin.

Investigacin: Bsqueda de conexiones

Paso 1

Observa la encuesta que est en el Paso 1 de la investigacin en tu libro.

Paso 2 Enumera al menos dos pares de variables que crees que tendrn una correlacin positiva (a medida que aumenta una, la otra tiende a aumentar tambin). Una posibilidad podra ser el nmero de minutos que se pasa haciendo las tareas (pregunta 1) y el nmero de clases (pregunta 5).

Ahora, enumera al menos dos pares de variables que crees que tendrn una correlacin negativa (a medida que aumenta una, la otra tiende a disminuir). Una posibilidad es el nmero de clases (pregunta 5) y el tiempo que se pasa en platicar con amigos, llamarles por telfono, mandarles mensajes de e-mail, o escribirles (pregunta 2). Finalmente, enumera dos pares de variables que crees que tendrn una correlacin dbil. Una posibilidad podra ser el tiempo que se pasa comunicndose con amigos (pregunta 2) y el tiempo que se pasa mirando la televisin o escuchando msica (pregunta 3).
Paso 3 La tabla que se presenta ms adelante muestra los resultados obtenidos por una aula. Introduce los datos en cinco listas de la calculadora. Grafica los puntos correspondientes a cada par de listas y encuentra los coeficientes de correlacin de cada par. (Consulta Calculator Note 13F.) He aqu los coeficientes de correlacin y las grficas correspondientes a las relaciones mencionadas en el Paso 2. Sin embargo, debes construir grficas y encontrar los coeficientes de correlacin de todos los pares posibles. 1 versus 5 2 versus 5 2 versus 4

[ 10, 230, 30, 0, 7, 1] r .771

[ 10, 200, 30, 0, 7, 1] r .632

[ 10, 200, 30, r .059

10, 360, 30]

(contina)
CHAPTER 13

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

209

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 210

Leccin 13.5 Datos bivariados y correlacin (continuacin)

Debes hacer las siguientes observaciones:

Las grficas crecientes tienen coeficientes de correlacin positivos y las grficas decrecientes tienen coeficientes de correlacin negativos. Cuanto ms fuerte sea la correlacin, ms cerca estar el coeficiente de correlacin a 1. Las correlaciones dbiles tienen coeficientes de correlacin cercanos a 0.
Estudiante 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Pregunta 1 0 20 80 55 10 15 90 215 100 60 65 10 120 30 40 0 0 80 90 45 10 40 0 30 60 45 20 0 50 40 Pregunta 2 120 120 65 20 20 0 10 10 0 30 0 60 0 45 60 85 180 0 20 10 120 30 0 50 20 20 105 90 40 10 Pregunta 3 60 90 80 220 155 145 80 0 140 120 120 300 0 285 150 150 30 0 0 180 0 100 360 45 30 30 20 0 0 0 Pregunta 4 100 200 140 260 200 200 150 60 150 105 150 360 45 90 190 75 30 0 0 285 90 115 60 90 90 45 60 120 90 45 Pregunta 5 3 4 6 5 4 4 6 6 6 5 6 4 6 4 4 3 4 6 6 5 4 5 5 5 6 5 4 4 5 4
(contina)

210

CHAPTER 13

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 211

Leccin 13.5 Datos bivariados y correlacin (continuacin)

Paso 4 Escribe un prrafo que describe las correlaciones que descubriste. Menciona los pares que no estn correlacionados y que t pensabas que deberan estarlo. He aqu algunas cosas que podras mencionar: Las correlaciones entre el tiempo que se pasa haciendo las tareas y el nmero de clases, y entre el tiempo que se pasa mirando televisin y la hora de acostarse, son relativamente fuertes y positivas. Las correlaciones entre el tiempo que se pasa platicando con amigos y el nmero de clases, y entre el tiempo que se pasa haciendo las tareas y el tiempo que se pasa platicando con amigos, son relativamente fuertes y negativas. Los otros pares de variables parecen no estar correlacionados. Estos datos se obtuvieron de una muestra pequea que no fue muy aleatoria, de modo es posible que no sean buenos para predecir los resultados de la escuela completa.

El texto situado entre la investigacin y el Ejemplo A en tu libro ofrece informacin sobre el coeficiente de correlacin y sobre cmo se deriv su frmula. Este texto tambin explica que en la estadstica, las variables x y y a menudo se llaman las variables de explicacin y de respuesta. Lee este texto y despus trabaja el Ejemplo A, que muestra cmo calcular el coeficiente de correlacin usando la frmula. Es muy importante no confundir la correlacin con la causalidad. El hecho de que dos variables estn fuertemente correlacionadas no significa que un cambio en una variable cause un cambio en la otra. El Ejemplo B ilustra este punto. Lee dicho ejemplo atentamente.

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

CHAPTER 13

211

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 212

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 213

LECCIN

CONDENSADA

13.6
En esta leccin

La recta de mnimos cuadrados

Aprenders cmo ajustar la recta de mnimos cuadrados a un conjunto de datos Descubrirs cmo la recta de mnimos cuadrados adquiri su nombre Usars el error cuadrtico medio para comparar una recta de mnimos cuadrados con una recta mediana-mediana

En el Captulo 3, aprendiste cmo ajustar una recta mediana-mediana a los datos. En esta leccin, conocers un tipo diferente de recta de ajuste, que se llama la recta de mnimos cuadrados. La ecuacin de la recta de mnimos cuadrados es zy rzx , donde r es el coeficiente de correlacin, y zx y zy son los valores z para x y y, respectivamente. En la prctica, deseas que la ecuacin represente la relacin entre x y y, no entre sus valores z. Usando la definicin del valor z, puedes reescribir la ecuacin como y sy y r x sx x y y sy r s (x x x)

Para encontrar ms detalles sobre la recta de mnimos cuadrados, lee el texto que precede el Ejemplo A en tu libro. Despus lee el Ejemplo A, que ilustra cmo encontrar la recta de mnimos cuadrados para un conjunto de datos dado.

Investigacin: Relacin de variables

El Paso 1 de la investigacin en tu libro te pide obtener mediciones de las partes del cuerpo de tus compaeros de aula. He aqu una muestra de datos correspondientes a 10 estudiantes (con las medidas en centmetros). Usa estos datos para completar los Pasos 24, y despus compara tus resultados con los siguientes, en donde se busca la relacin entre una cuarta (la amplitud de la mano extendida) y la longitud del dedo meique.
Largo del pie 23.5 26 25.8 24.5 23 28.4 29 26.2 25 24.1 Largo del dedo meique 6 6.5 6.2 6.1 5.9 6.5 6.4 6.2 6.1 5.9 Largo del cbito 41.6 42 44.2 42.1 39.5 47.5 47.9 46 44 43.5 Largo de la pierna inferior 47 48 49.5 48.5 46 52.2 52.6 51 50 48 Largo del brazo superior 31 36 36.2 34 30.2 40.5 41 34 35.4 33.6 Ancho de la ua del pulgar 1.2 1.3 1.3 1.3 1.2 1.4 1.4 1.3 1.2 1.1

Estudiante 1 2 3 4 5 6 7 8 9 10

Cuarta 18.5 21.2 20.8 20.4 18.1 22 20.5 20.7 20.5 19.2

Estatura 159 170 173 164 155 189 191 175 168 158

Paso 2 El coeficiente de correlacin para estas variables es aproximadamente .858, de modo que los datos estn linealmente relacionados.
(contina)
Discovering Advanced Algebra Condensed Lessons in Spanish
2004 Key Curriculum Press CHAPTER 13

213

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 214

Leccin 13.6 La recta de mnimos cuadrados (continuacin)

Paso 3

Usando una calculadora, x 20.19, y 6.18, sx 1.219, sy 0.225, y r .858. Sustituyendo estos valores en la ecuacin general, se obtiene y 6.18 .858 0..225 (x 20.19), 1 219 y 2.981 0.158x. La recta parece ser un buen ajuste. a. Es la misma recta. b. La suma de los residuos es 0. c. La recta de mnimos cuadrados es la recta para la cual la suma de los cuadrados de los residuos es la ms pequea posible, y la suma de los residuos es 0. d. A medida que el valor de la cuarta aumenta, tambin lo hace la longitud del dedo meique. Los datos se modelan bastante bien mediante una recta.

Paso 4

[17.71, 22.39, 1, 5.798, 6.602, 1]

[17.71, 22.39, 1, 5.798, 6.602, 1]

Puedes medir la precisin de una recta de mnimos cuadrados al calcular el error cuadrtico medio, del mismo modo en que lo hiciste para la recta medianamediana en el Captulo 3. El Ejemplo B en tu libro ajusta tanto una recta de mnimos cuadrados como una recta mediana-mediana a un conjunto de datos, y determina cul es el mejor ajuste al calcular el error cuadrtico medio. Trabaja ese ejemplo y despus intenta el ejemplo siguiente.

EJEMPLO

Encuentra la recta de mnimos cuadrados y la recta mediana-mediana para los datos (largo del cbito, largo del brazo superior) de la investigacin. Despus encuentra el error cuadrtico medio de ambos modelos. Cul recta se ajusta mejor? Usa tu calculadora para hallar ambos modelos y sus errores cuadrticos medios. Recta de mnimos cuadrados: y Recta mediana-mediana: y 13.982 35.904 1.122x; error cuadrtico medio: 1.923

Solucin

1.610x; error cuadrtico medio: 2.446

Debido a que el error cuadrtico medio es menor para la recta de mnimos cuadrados, sta es un mejor ajuste. Puedes verificar esto de manera visual si graficas las rectas. La grfica a la izquierda muestra el modelo de mnimos cuadrados. La grfica a la derecha muestra el modelo mediana-mediana.

[39, 48, 1, 30, 41, 1]

[39, 48, 1, 30, 41, 1]

A menudo la recta de mnimos cuadrados se llama la recta de mejor ajuste porque tiene la ms pequea suma de cuadrados de los errores entre los puntos de datos y las predicciones de la recta. Sin embargo, debido a que pone un mismo nfasis en cada punto, la recta de mnimos cuadrados puede verse afectada por los valores externos. Cuando ajustes una recta, siempre resulta una buena idea verificar la recta visualmente. En ocasiones, la recta mediana-mediana u otra recta es un mejor ajuste que la recta de mnimos cuadrados. 214
CHAPTER 13

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 215

LECCIN

CONDENSADA

13.7
En esta leccin

Regresin no lineal

Linealizars unos datos para determinar si podra ajustarse una funcin de potencias o una exponencial Usars tu calculadora para ajustar diferentes funciones no lineales a los datos Usars los errores cuadrticos medios y las grficas de residuos para comparar cmo se ajustan las diferentes funciones a los datos.

Has hecho regresin lineal para ajustar una recta a datos que muestran una fuerte tendencia lineal. En esta leccin, encontrars modelos para ajustar a los datos que muestran una clara tendencia no lineal. En las pginas 780 y 781 de tu libro, se repasan los tipos de funciones que has estudiado en este curso, y se dan la ecuacin general y la grfica de cada tipo. Lee el texto y observa las grficas. El Ejemplo A en tu libro muestra que al observar una grfica de datos, puedes predecir el tipo de funcin que podra ajustarse (o al menos descartar los tipos que no se ajustarn). Si piensas que un modelo de potencias o uno exponencial, puede ajustarse a tus datos, puedes verificar si son buenos modelos mediante la linealizacin de los datos. Si el ajuste es bueno, entonces puedes usar las tcnicas de regresin lineal para encontrar un modelo. Esto se ilustra en el Ejemplo B. Lee Ejemplo A y Ejemplo B atentamente. Despus trabaja el ejemplo siguiente.

EJEMPLO

Encuentra una funcin que modele estos datos:

x y 3 19.1 5 10.0 7 7.5 9 4.7 11 4.0 13 1.8 15 1.1 17 0.7

Solucin

Segn la grfica siguiente, parece que una funcin exponencial, de potencias, o polinomial podra ajustarse. Si los datos son exponenciales, una ecuacin de la forma y ab x ajustar. Tomando el logaritmo en ambos lados, se obtiene log y log a x log b. sta es una ecuacin lineal, en la que las variables son x y log y. Por tanto, si los datos son exponenciales, la grfica de (x, log y) ser lineal. La grfica de (x, log y), que se muestra aqu, parece ser bastante lineal. (Puedes verificar que una funcin de potencias no es un buen ajuste si graficas (log x, log y) y verificas que la grfica no es lineal.) [0, 20, 2, 0.2, 1.4, 0.2]
(contina)

[0, 20, 2, 0, 20, 2]

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

CHAPTER 13

215

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 216

Leccin 13.7 Regresin no lineal (continuacin)

Usa la regresin lineal para encontrar que la recta de mnimos cuadrados para estos datos transformados es y 1.57 0.10x. Ahora sustituye y por (log y) y resuelve para y. log y y y y y 1.57 101.57 0.10x
0.10x 0.10x 0.10 x

Recta de mnimos cuadrados. Definicin de logaritmo. Propiedad multiplicativa de los exponentes. Evala 101.57 y aplica la propiedad de la potencia de los exponentes. Evala 10
0.10.

101.57 10 37.153 10

37.153(0.794)x

La grfica muestra que y datos.

37.153(0.794)x se ajusta bien a los

El error cuadrtico medio para esta ecuacin es aproximadamente 0.854, que es bastante pequeo. [0, 20, 2, 0, 20, 2] Tu calculadora posee comandos para ajustar muchos tipos de funciones, incluyendo las funciones cbicas, cuadrticas, exponenciales, de potencias, sinusoidales, y logsticas. Usa los comandos de la calculadora para verificar la funcin del ejemplo anterior. Despus lee el Ejemplo C en tu libro, donde se ajusta una funcin cbica a los datos.

Investigacin: Experimento de la botella que se sale

Lee la investigacin en tu libro y asegrate de entender cmo funciona el experimento. Completa los pasos usando esta muestra de datos, y despus compara tus resultados con los siguientes.
Altura del agua (mm) 150 134 120 109 97 Altura del agua (mm) 86 77 68 60 Altura del agua (mm) 54 48 43 39

Tiempo (s) 0 10 20 30 40 Paso 2

Tiempo (s) 50 60 70 80

Tiempo (s) 90 100 110 120

Los datos parecen ser exponenciales, cuadrticos, o cbicos.

[0, 130, 10, 0, 150, 10]

(contina)

216

CHAPTER 13

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 217

Leccin 13.7 Regresin no lineal (continuacin)

Paso 3

y
Paso 4

y 151.234(0.989)x ; y 0.005x 2 1.500x 0.000005x 3 0.006x 2 1.544x 149.456

149.110;

He aqu las grficas de los residuos de cada modelo del Paso 3.

Exponencial; error cuadrtico medio aproximadamente 1.595

[0, 130, 10,

3, 3, 1]

Cuadrtico; error cuadrtico medio aproximadamente 1.095

[0, 130, 10,

3, 3, 1]

Cbico; error cuadrtico medio aproximadamente 1.422

[0, 130, 10,

3, 3, 1]

Paso 5 La curva cuadrtica es la mejor. Tiene el menor error cuadrtico medio y el patrn menos notable en los residuos.

[0, 130, 10, 0, 150, 10]

Paso 6 Ninguna de estas ecuaciones da una respuesta razonable para el caso en que la botella queda vaca. De hecho, la curva cuadrtica predice que la botella nunca estar vaca. Entonces, ninguno de los modelos es bueno para predecir los valores de datos fuera del dominio dado.

Discovering Advanced Algebra Condensed Lessons in Spanish

2004 Key Curriculum Press

CHAPTER 13

217

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 218

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 219

DAACLS_678_13.qxd

4/15/04

3:38 PM

Page 220