Upload
yefren21
View
328
Download
8
Tags:
Embed Size (px)
Citation preview
1
UNIDAD I
ESTADISTICA DESCRIPTIVA La estadística estudia los métodos científicos para recoger, organizar, resumir y analizar datos, así como para sacar conclusiones válidas y tomar decisiones razonables basadas en tal análisis; Se divide la estadística en: Estadística descriptiva o deductiva Estadística inferencial o inductiva.
ESTADISTICA DESCRIPTIVA O DEDUCTIVA: La parte de la estadística que solo se ocupa de describir y analizar un grupo dado, sin sacar conclusiones sobre un grupo mayor, se llama estadística descriptiva o deductiva. ESTADISTICA INFERENCIAL O INDUCTIVA: Es aquella que a partir de una muestra representativa de la población se dan conclusiones sobre la población a partir del análisis de la muestra. Con ayuda de la estadística en general se puede organizar y procesar la información utilizando tablas gráficas, el cálculo de medidas de tendencia (media, mediana, moda), medidas de dispersión como percentiles deciles y cuartiles; Y el cálculo de medidas de dispersión (rango, varianza, desviación estándar, coeficiente de variación, coeficiente de simetría y coeficiente de curtosis). Antes de entrar de lleno al estudio de la estadística definamos algunos conceptos para su interpretación a lo largo de la unidad. Variables: discretas y continuas Discretas: variable que puede tomar valores que no estén entre valores ya dados. Continuas: variable que puede tomar cualquier valor entre dos valores dados. Población: grupo entero a examinar puede ser finito o infinito Muestra: parte de la población a examinar.
2
Organización y representación de información estadística mediante tablas y gráficos para datos no agrupados y agrupados. Datos agrupados:
1. Su fin es resumir la información 2. Generalmente los elementos son de mayor tamaño, por lo cual requieren ser
agrupados esto implica: ordenar, clasificar y expresarlos en una tabla de frecuencias.
3. Se agrupan datos si se cuentan con muchos elementos y también si son repetitivos, se debe verificar que los datos sean clasificables y que dicha clasificación tenga coherencia y lógica, al final se representa por medio de una “tabla de frecuencias”
4. La agrupación de los datos puede ser simple o mediante intervalos de clase. Datos no agrupados
1. Los datos son brutos, es decir no se presentan clasificados. 2. Tiene pocos elementos 3. No es repetitiva 4. Se ordenan no se agrupan.
Tabla de frecuencias o distribución de frecuencias Al resumir grandes colecciones de datos, es útil distribuirlos en clases o categorías, y determinar el número de individuos que pertenecen a cada clase, llamado frecuencia de clase. Una tabla que contiene los datos por clase junto con sus respectivas frecuencias de clase se le denomina “tabla de frecuencias” Para formar la tabla de frecuencias se deben seguir los siguientes pasos:
1º. PASO Calculo de rango denotado por “R”. Formula R= Dato mayor – Dato menor
Donde dato mayor es el elemento más grande de la muestra. Donde dato menor es el elemento más pequeño de la muestra. 2º. PASO Determinar el número de grupos denotada por “K”.
Formula K= Donde n= Número total de datos. El valor de K se redondea al valor más cercano según la naturaleza de los datos.
K = 5.2275 ≈ 5
K = 9.873 ≈ 10
K = 7.5 ≈ 8
K = 6.45 ≈ 6
3
3º. PASO Se calcula la amplitud denotada por “C”
Formula C= R/K El valor de la amplitud se pasa al valor siguiente y debe estar de acuerdo a la naturaleza de los datos
C = 5.0082 ≈ 6 ENTEROS
C = 1.3120 ≈ 1.313 MILESIMAS
C = 0.8203 ≈ 0.83 CENTESIMAS
4º. PASO Se forman los intervalos de clase en forma de columna empezando por
escribir el dato menor; Debajo se escribirá el resultado R1 donde R1 = dato menor + C (la amplitud) y después se repite el proceso pero ahora con R1 sumándole la amplitud; así sucesivamente hasta formar el mismo número de grupos que ya se calculó en el 2° paso.
Los intervalos de clase se clasifican en LCI Y LCS escritos en dos columnas.
Donde LCI es “Limite de Clase Inferior” y Donde LCS es “Limite de Clase Superior” 5º. PASO Una vez se tengan los I.C. (intervalos de clase) se debe calcular sus
respectivas frecuencias para cada I.C. formada, para ello se debe hacer un conteo y acomodar cada elemento de la muestra en un único I.C.
NOTA: No se puede tener un mismo elemento en dos distintos I.C.
EJEMPLO 1 Las 40 cantidades siguientes son las tarifas que se cobraran en dólares por entregar bultos el jueves pasado:
4.03 4.30 5.46 4.15 5.02
3.56 3.86 3.87 4.07 5.24
2.10 4.57 6.84 3.77 4.02 6.04 3.59 4.91 5.77 5.44
5.62 4.57 3.62 7.86 4.65
3.16 5.16 3.62 4.63 3.89
2.93 2.88 3.80 4.81 4.00
3.82 5.02 3.70 2.86 2.90
a) Obtener la distribución de frecuencia ( f ) b) Obtener la distribución de frecuencia acumulada ( F ) c) Obtener la distribución de frecuencia relativa ( fr ) d) Obtener la distribución de frecuencia relativa acumulada ( Fr )
4
SOLUCION R = 7.86 – 2.10 = 5.76
K = = = 6.3245 ≈ 6 C = 5.76 / 6 = 0.96 ≈ 0.97
GRUPOS E INTERVALOS DE
CLASE
CONTEO f F fr Fr
1) 2.10 -- 3.06 IIIII 5 5 5/40=0.125 0.125 2) 3.07 -- 4-03 IIIII IIIII
IIIII 15 20 15/40=0.375 0.5 LCI = Limite de Clase
Inferior 3) 4.04 -- 5.00 IIIII IIII 9 29 9/40=0.225 0.725 4) 5.01 -- 5.97 IIIII III 8 37 8/40=0.2 0.925 LCS = Limite de Clase
Superior 5) 5.98 -- 6.94 II 2 39 2/40=0.05 0.975 6) 6.95 -- 7.91 I 1 40 1/40=0.025 1
LCI LCS 40 1
f: frecuencia (número de elementos que están dentro de ese intervalo) F: frecuencia acumulada (sumas sucesivas descendentes de la frecuencia) fr: frecuencia relativa (la división de cada frecuencia entre N; donde N es el total de datos) Fr: frecuencia relativa acumulada (sumas sucesivas descendentes de la frecuencia relativa) EJEMPLO 2 Los siguientes datos representan las tazas de octanaje de combustible de motor de varias mezclas de gasolina:
88.5 90.4 93.3 89.9 86.7 90.3 94.2 90.6 91.2 90.3 88.3 87.5 R = 96.1 – 83.4 = 12.7 93.2 87.7 89.3 91.8 93.4 87.6 K = = = 5.47 ≈ 5 96.1 87.8 90.7 89.3 92.3 88.5 C = R/K = 12.7 / 5 = 2.54 ≈ 2.6 88.9 91.0 83.4 89.7 94.4 90.4
GRUPOS DE INTERVALOS DE
CLASE
CONTEO f F fr Fr
1) 83.4 -- 85.9 I 1 1 0.033 0.333 2) 86.0 -- 88.5 IIIII III 8 9 0.266 0.3 3) 88.6 -- 91.1 IIIII IIIII
II 12 21 0.4 0.7
4) 91.2 -- 93.7 IIIII I 6 27 0.2 0.9 5) 93.8 -- 96.3 III 3 30 0.1 1
30 1
5
Las tablas de frecuencias se usan para elaborar gráficos lineales como el histograma, el polígono y la ojiva. Histograma: consiste en un conjunto de rectángulos con (a) bases en el eje x horizontal, centros en las marcas de clase y longitudes iguales a los tamaños de los intervalos de clase y (b) áreas proporcionales a las frecuencias de clase. Donde X= marca de clase (punto medio del intervalo de clase; Se obtiene promediando el LCI y LCS)
Polígono: es una gráfica de línea de las frecuencias de clase, dibujada con respecto a la marca de clase, puede obtenerse uniendo los puntos medios de las partes superiores de los rectángulos del histograma.
Ojiva: Es la distribución de frecuencias acumuladas, es decir, que en ella se permite ver cuántas observaciones se encuentran por encima o debajo de ciertos valores, en lugar de solo exhibir los números asignados a cada intervalo. Existen dos tipos de ojivas; mayor que y menor que
6
Para construir la ojiva se necesita de frecuencia acumulada en el eje “Y” e IRC en el eje “X” Donde IRC= intervalos reales de clase; se calculan al restar a cada elemento en la columna de LCI el grado de aproximación y se le suma a cada elemento en la columna de LCS el grado de aproximación. El grado de aproximación (α) se obtiene de la resta del LCS de un Intervalo de Confianza y LCI del siguiente Intervalo de Clases por último el resultado de la resta se divide entre dos; α= LCS-LCI siguiente/2 En el caso de la ojiva “mayor que” se utiliza IRC en el eje “X” y se utiliza la frecuencia acumulada mayor (F) en el eje “Y”; la frecuencia acumulada mayor se obtiene al restar a N la frecuencia en cada IC, cabe mencionar que el resultado es acumulativo. Donde N= total de elementos.
EJEMPLO 3 Sea X el tiempo en minutos que debe esperar un vehículo para cruzar una intercepción transitada que cuenta con semáforos. Los datos siguientes se obtienen de una muestra aleatoria de 36 vehículos.
0.2 1.5 2.6 5.1 1.2 2.0 1.4 3.7 1.5 2.5 4.5 1.2 1.9 3.1 2.1 R = 5.8 – 0.2 = 5.6 2.3 4.1 1.1 1.7 3.0 1.4 3.7 K = = 6 4.0 0.7 1.6 2.8 1.4 2.1 1.4 C = 5.6/ 6 = 0.93 ≈ 1 0.5 1.6 2.9 5.8 1.3 3.0 2.2
7
a) Determinar la distribución de frecuencia b) Construir histograma y polígono de frecuencia c) Construir ojiva
GRUPOS DE INTERVALOS DE
CLASE
CONTEO f F INTERVALOS REALES
1) O.2 -- 1.1 IIII 4 4 0.15 -- 1.15 2) 1.2 -- 2.1 IIIII IIIII IIIII
I 16 20 1.15 -- 2.15 LRI = limite real
3) 2.2 -- 3.1 IIIII IIII 9 29 2.15 -- 3.15 Inferior 4) 3.2 -- 4.1 IIII 4 33 3.15 -- 4.15 5) 4.2 -- 5.1 II 2 35 4.15 -- 5.15 LRS = limite real 6) 5.2 -- 6.1 I 1 36 5.15 -- 6.15 superior
(-) (+) 36 LRI LRS
0.1/2 = 0.05
8
MEDIDAS DE TENDENCIA CENTRAL: MEDIA, MEDIANA, MODA. Un promedio es un valor típico o representativo de un conjunto de datos; Como tales valores suelen situarse hacia el centro del conjunto de datos ordenados por magnitud, los promedios se conocen como medidas de tendencia central. Se definen varios tipos siendo los más comunes la media, mediana y moda. Ahora se explicara cada medida de tendencia central en los dos casos posibles que son para: Datos no agrupados y Datos agrupados
MEDIDAS DE TENDENCIA CENTRAL PARA DATOS NO AGRUPADOS
MEDIA Es el promedio aritmético de un conjunto de datos y se calcula como la sumatoria de los datos entre el número de datos.
Símbolo
Formula n = total de datos x= datos de la muestra
MEDIANA Es el valor que se encuentra en el centro de un conjunto de números
acomodados si tenemos datos impares o el promedio de los dos valores centrales si tenemos datos pares.
9
Símbolo
MODA Es el dato que más se repite, si dos valores se repiten con la misma
frecuencia se dice que la distribución es bimodal si tres valores se repiten con la misma frecuencia es trimodal, etc.
Símbolo EJEMPLO 4 Seis temperaturas máximas en una ciudad de florida fueron 22, 20, 24, 21, 26 y 22 en grados Celsius A) Calcular media B) Calcular mediana C) Calcular moda SOLUCION A) Media
B) Mediana
Primero se ordenan y después se busca el elemento que está en el centro de los elementos, en este caso se tienen dos elementos en el centro, por lo tanto se realiza un promedio de los dos números como a continuación se puede apreciar: 20, 21, 22, 22, 24, 26 22+22/2=22 Por lo tanto la mediana es 22 C) Moda El número 22 se repite 2 veces por lo tanto tiene moda bimodal
10
MEDIDAS DE TENDENCIA CENTRAL PARA DATOS AGRUPADOS
MEDIA Se calcula como la sumatoria de los datos por la frecuencia, entre el total de datos.
Símbolo
Formula n = total de datos x= datos de la muestra
f= frecuencia
MEDIANA
Símbolo
Formula
LQ= n/2 n= total de datos
LRI= limite real inferior con respecto a LQ F anterior= frecuencia acumulada anterior, con respecto a LQ f= frecuencia con respecto a LQ C= amplitud
MODA
Símbolo
Formula
LRI= limite real inferior con respecto a f C= amplitud
d1= f -f anterior d2= f -f posterior f = frecuencia de la moda (frecuencia del que más se repite)
11
EJEMPLO 5 El primer día de clases del semestre pasado se preguntó a 50 estudiantes de ingeniería acerca del tiempo requerido para desplazarse de su casa a la división de ciencias básicas (redondeando a 5 minutos). Los datos restantes fueron los siguientes:
20 20 30 25 20 25 30 15 10 40
35 25 15 25 25 40 25 30 5 25
25 30 15 20 45 25 35 25 10 10
15 20 20 20 20 25 20 20 15 20
5 20 20 10 5 20 30 10 25 15
A) Hacer tabla de frecuencias B) Calcular media C) Calcular mediana D) Calcular moda a) R= 45-5=40
K= =
C= R/K = 40/7=5,71 6
I.C. f x fx F
5-10 8 7.5 60 8
11-16 6 13.5 81 14
17-22 14 19.5 273 28
23-28 12 25.5 306 40
29-34 5 31.5 157.5 45
35-40 4 37.5 150 49
41-46 1 43.5 43.5 50
50 1071
b)
c)
12
d)
d1= f -f anterior= 14 - 6= 8 d2= f -f posterior= 14 - 12= 2 MEDIDAS DE POSICION: PERCENTILES, DECILES Y CUARTILES. Si un conjunto de datos esta ordenado por magnitud, el valor central (o la media de los dos centrales) que divide al conjunto en dos mitades iguales, es la mediana. Extendiendo esa idea podemos pensar en aquellos valores que dividen al conjunto en cuatro partes iguales. Esos valores denotados Q1, Q2 Y Q3, se llaman primer, segundo y tercer cuartiles, respectivamente. El Q2 coincide con la mediana. Análogamente los valores que dividen a los datos en 10 partes iguales se llaman deciles, y se denotan D1, D2, …., D9, mientras que ls valores que los dividen en 100 partes iguales se llaman percentiles, denotados por P1, P2, P3, ..., P99. El 5° decil y el 50° percentil coinciden con la mediana. Los 25° y 75° percentiles coinciden con el primer y tercer cuartiles. Se pueden calcular las medidas de posición para datos agrupados y no agrupados como se muestra a continuación:
13
MEDIDAS DE POSICION: PERCENTILES, DECILES Y CUARTILES PARA DATOS AGRUPADOS. Se tienen las siguientes fórmulas para cada caso: CUARTILES
Qx Símbolo
Formula
LQx=
(localización del cuartil)
N= total de datos LRI= limite real inferior con respecto a LQ F anterior= frecuencia acumulada anterior, con respecto a LQ f= frecuencia con respecto a LQx C= amplitud
DECILES
Dx Símbolo
Formula
LDx=
(localización del decil)
N= total de datos LRI= limite real inferior con respecto a LQ F anterior= frecuencia acumulada anterior, con respecto a LQ f= frecuencia con respecto a LQx C= amplitud
PERCENTILES
Px Símbolo
Formula
LPx=
(localización del percentil)
N= total de datos LRI= limite real inferior con respecto a LQ F anterior= frecuencia acumulada anterior, con respecto a LQ f= frecuencia con respecto a LQx C= amplitud
14
EJEMPLO 6 Tomando los valores del enunciado del ejemplo 5 calcular: A) El tercer cuartil. B) El tercer decil. C) El sexagésimo quinto percentil. SOLUCION: A)
B)
C)
15
MEDIDAS DE POSICION: PERCENTILES, DECILES Y CUARTILES PARA DATOS NO AGRUPADOS.
QUARTILES
Qx Símbolo
Si se tienen una serie de valores X1, X2, X3, ..., Xn, se localiza mediante las siguientes fórmulas:
- El primer cuartil: donde n= total de datos
Cuando n es par:
Cuando n es impar:
Para el tercer cuartil
Cuando n es par:
Cuando n es impar:
16
DECILES
Dx Símbolo
Si se tienen una serie de valores X1, X2, X3 ... Xn, se localiza mediante las siguientes fórmulas:
Cuando n es par:
Cuando n es impar:
Donde A el número del decil y n= total de datos.
PERCENTILES
Px Símbolo Si se tienen una serie de valores X1, X2, X3, ..., Xn, se localiza mediante las siguientes fórmulas:
Para los percentiles, cuando n es par:
Cuando n es impar:
Donde A, el número del percentil y n= total de datos.
17
EJEMPLO 7 El diámetro intermedio de las lavadoras producidas por una empresa se mide con exactitud de milésimas de pulgada
0.321 0.324 0.327 0.330 0.333 0.336
0 1 2 3 4 5 6
Quartil-1
= 1.5
1.5 + 0.5 = 2 1.5 - 0.5 = 1
Quartil-3
4.5 + 0.5 = 5 4.5 - 0.5 = 4
Decil-1
0.6 + 0.5 = 1.1 0.6 - 0.5 = 0.1
Decil-9
5.4 + 0.5 = 5.9 5.4 - 0.5 = 4.9
Percentil-15
0.9 + 0.5 = 1.4 0.9 - 0.5 = 0.4
Percentil-63
3.78 + 0.5 = 4.28 3.78 - 0.5 = 3.28
18
MEDIDAS DE DISPERSION La dispersión o variación de los datos intenta dar una idea de cuan esparcidos se encuentran estos; Hay varias medidas de tal dispersión, siendo las más comunes el rango, la desviación media, el rango cuartilico, rango percentilico, varianza, desviación estándar, coeficiente de variación. Se pueden calcular las medidas de dispersión para datos agrupados y no agrupados como se muestra a continuación: MEDIDAS DE DISPERSION PARA DATOS AGRUPADOS
1) Rango = Dato mayor – Dato menor.
El rango de un conjunto de números es la diferencia entre el mayor y el menor de todos ellos. EJEMPLO 8
El dato mayor es 46 y el dato menor es 5, por lo tanto tiene un rango R= 46 – 5 = 41
2) Rango Cuartilico =
EJEMPLO 9
Partiendo de los datos del ejemplo 5, Calculamos entonces :
Calculamos entonces
I.C.
5-10
11-16
17-22
23-28
29-34
35-40
41-46
19
Calculamos entonces
Por lo tanto el
3) Rango Percentilico = = - EJEMPLO 10
Partiendo de los datos del ejemplo 5, Calculamos entonces :
Calculamos entonces
Calculamos entonces
Por lo tanto = - = 34.5 – 8.25 = 26.25
4) Desviación media ⟹
La desviación media o desviación promedio, de un conjunto de N números, es abreviada por DM.
Donde el resultado de la operación ⟹ nos da un valor absoluto.
20
5) Varianza ⟹
=
La varianza de un conjunto de datos se define como el resultado de la desviación
estándar y viene dada en consecuencia por .
6) Desviación estándar ⟹ S =
La desviación estándar de un conjunto de N números, se denota por S; si N números ocurren con frecuencia, la desviación estándar se expresa como en la ecuación dada.
7) Coeficiente de Variación ⟹ CV =
La fórmula del C.V. viene de la fórmula de la dispersión relativa dada por
Dispersión relativa=
La dispersión relativa se llama el coeficiente de variación, la desviación estándar es S y
el promedio es por lo tanto surge la nueva ecuación:
EJEMPLO 11 El primer día de clases del semestre pasado se preguntó a 50 estudiantes de ingeniería acerca del tiempo requerido para desplazarse de su casa a la división de ciencias básicas (redondeando a 5 minutos). Los datos restantes fueron los siguientes:
20 20 30 25 20 25 30 15 10 40
35 25 15 25 25 40 25 30 5 25
25 30 15 20 45 25 35 25 10 10
15 20 20 20 20 25 20 20 15 20
5 20 20 10 5 20 30 10 25 15
A) Calcular desviación media. B) Calcular desviación estándar. C) Calcular varianza. D) Calcular coeficiente de variación.
21
I.C. f x fx F I.R.C.
5-10 8 7.5 60 8 4.5 - 10.5 13.92 111.36 1550.1312
11-16 6 13.5 81 14 10.5 - 16.5 7.92 47.52 376.3584
17-22 14 19.5 273 28 16.5 - 22.5 1.92 26.88 51.6096
23-28 12 25.5 306 40 22.5 - 28.5 4.08 48.96 199.7568
29-34 5 31.5 157.5 45 28.5 - 34.5 10.08 50.40 508.0320
35-40 4 37.5 150 49 34.5 - 40.5 16.08 64.32 1034.2656
41-46 1 43.5 43.5 50 40.5 - 46.5 22.08 22.08 487.5264
50 1071 371.52 4207.68
a)
b)
c)
d)
22
MEDIDAS DE DISPERSION PARA DATOS NO AGRUPADOS
1) Rango = Dato mayor – Dato menor. El rango de un conjunto de números es la diferencia entre el mayor y el menor de todos ellos. EJEMPLO 12 El rango del conjunto 2, 3, 3, 4, 4, 4, 8, 10,12 es 12 – 2 = 10. A veces el rango se indica dando el par de valores extremos, así, en este ejemplo, seria 2 – 12.
2) Media
Donde “x” son los datos y “n” es total de datos
3) Rango Cuartilico =
4) Rango Percentilico = = -
5) Desviación media ⟹
La desviación media o desviación promedio, de un conjunto de N números, es abreviada por DM.
Donde el resultado de la operación ⟹ nos da un valor absoluto. Y “x” son los datos
6) Varianza ⟹
=
La varianza de un conjunto de datos se define como el resultado de la desviación
estándar y viene dada en consecuencia por .
7) Desviación estándar ⟹ S =
La desviación estándar de un conjunto de N números, se denota por S.
23
8) Coeficiente de Variación ⟹ CV =
La fórmula del C.V. Viene de la fórmula de la dispersión relativa dada por
Dispersión relativa=
La dispersión relativa se llama el coeficiente de variación, la desviación estándar es S y
el promedio es por lo tanto surge la nueva ecuación:
EJEMPLO 13 Cinco temperaturas máximas en una ciudad de florida fueron 22, 20, 24, 21 y 26 en grados Celsius.
A) Calcular media B) Desviación media C) Varianza D) Desviación estándar E) Coeficiente de variación
a) Media
b) Desviación media
x 22 0.6
20 2.6
24 1.4
21 1.6
26 3.4
9.6
24
c) Varianza
d) Desviación estándar
e) Coeficiente de variación
MOMENTOS SESGOS Y CURTOSIS MOMENTOS
Los momentos son una forma de generalizar toda la teoría relativa a los parámetros estadísticos y guardan relación con una buena parte de ellos.
Dada una distribución de datos estadísticos x1, x2,..., xn, se define el momento central o momento centrado de orden k como
x
22 0.6 0.36
20 2.6 6.76
24 1.4 1.96
21 1.6 2.56
26 3.4 11.56
9.6 23.20
25
Sesgos o coeficiente de asimetría. Se conoce como sesgo al grado de asimetría de una distribución, es decir, cuando se aparta de la simetría. Si la curva de frecuencias (polígono de frecuencia suavizado) de una distribución tiene a la derecha una cola mas larga que a la izquierda, se dice sesgada a la derecha o de sesgo positivo. En caso contrario, sesgada a la izquierda, o de sesgo negativo. Si es igual se dice que es simétrica.
Donde
Para datos no agrupados.
Para datos agrupados.
26
CURTOSIS Mide cuan puntiaguda es una distribucion, en general por rederencia a la a normal. Si tiene un pico alto , como en la figura “A.1” Se dice leptocurtica, mientras si es aplastada, como la de la figura “A.2” se dice platocurtica. La distribucion normal, mostrada en la figura “A.3” que nop es muy puntiatguda ni muy aplastada, se llama mesocurtica
Donde se calcula mediante
Para datos no agrupados.
Para datos agrupados.
27
EJERCICIOS COMPLEMENTARIOS DE LA UNIDAD 1 EJEMPLO 14 La siguiente información representa la duración (en miles de ciclos) de perfiles rectangulares
a) Construir histograma, polígono de frecuencias b) Construir ojiva c) Calcular los 4 cuartiles en forma gráfica y en forma analítica d) Calcular el decil-3, decil-9, percentil-10 y percentil-90
I de C F F Intervalos Reales 750 -- 949 8 8 749.5 -- 949.5 950 -- 1149 1
7 25
949.5 -- 1149.5
1150 -- 1349 19
44
1149.5 -- 1349.5
1350 -- 1549 19
63
1349.5 -- 1549.5
1550 -- 1749 11
74
1549.5 -- 1749.5
1750 -- 1949 17
91
1749.5 -- 1949.5
1950 -- 2149 3 94
1949.5 -- 2149.5
C= 950-750= 200 Grado de aproximación=1 / 2 = 0.5
0
20
40
60
80
100
OJIVA
28
= Localización de cuartil-x
⟹
⟹
Quartil-2
Quartil-3
Quartil-4
Decil-3
Decil-9
Percentil-10
Percentil-90
INTERPOLACIÓN 949.5 -- 8 -- 23.5 1149.5 -- 25
29
EJEMPLO 15 La siguiente tabla muestra los salarios de 70 empleados
I de C f F
250.00 -- 259.99 8 8 260.00 -- 269.99 10 18 270.00 -- 279.99 16 34 Calcular 280.00 -- 289.99 15 49 290.00 -- 299.99 10 59 300.00 -- 309.99 5 64 310.00 -- 319.99 3 67 320.00 -- 329.99 3 70
Grado de aproximación=.01 / 2 = 0.005 Quartil-1
Quartil-3
Decil-2
Decil-7
Percentil-2
Percentil-98
30
EJEMPLO 16 En el torneo internacional de ajedrez de grandes maestros, participaron 10 reconocidos maestros. La siguiente es una lista de la duración (de numero de movimientos) de los 9 participantes que se disputaron 41 42 47 30 32 66 46 18 32.
Calcular
18 30 32 32 41 42 46 47 77
0 1 2 3 4 5 6 7 8 9
Quartil-1
= 2.25
2.25 + 0.5 = 2.75 2.25 - 0.5 = 1.75
Quartil-3
6.75 + 0.5 = 7.25 6.75 - 0.5 = 6.25
Decil-2
1.8 + 0.5 = 2.3 1.8 - 0.5 = 1.3
Decil-9
8.1 + 0.5 = 8.6 8.1 - 0.5 = 7.6
Percentil-16
1.44 + 0.5 = 1.94 1.44 - 0.5 = 0.94
Percentil-92
8.28 + 0.5 = 8.78 8.28 - 0.5 = 7.78
31
EJEMPLO 17 Los datos siguientes representan las calificaciones finales que obtuvieron en matemáticas 8 alumnos de una universidad.
84 79 65 78 78 62 80 67
62 65 67 78 78 79 80 89
EJEMPLO 18 Los siguientes datos representan las distancias en millas que recorren 9 estudiantes de su casa a la universidad 15.7 6.2 4.8 3.2 4.4 3.9 1.1 4.4 4.8 Calcular media, mediana, moda y determinar qué tipo de sesgo hay.
1.1 3.2 3.9 4.4 4.4 4.8 4.8 6.2 15.7
32
EJEMPLO 19 En los siguientes datos representa los pesos dados a la libra más cercana de 5 estudiantes.
138 146 1668 146 161
138 146 146 161 168
R = dato mayor – dato menor = 168 – 138 = 30 = - = 162.75 – 144 = 18.5
Quartil-1
= 1.25
1.25 + 0.5 = 1.75 1.25 - 0.5 = 0.75
Quartil-3
3.75 + 0.5 = 4.75 3.75 - 0.5 = 3.25
= - = 168 – 138 = 30 Percentil-10
0.5 + 0.5 = 1 0.5 - 0.5 = 0
Percentil-90
4.5 + 0.5 = 5 4.5 - 0.5 = 4
S = = 12.2963
CV =
-2628.072 36267.3436 -195.112 1131.6496 4251.28 68874.7535 -195.112 1131.6469 778.688 7163.9296
2011.672 114569.376
X 138 190.44 146 33.64 168 262.44 146 33.64 161 84.64
759 604.8
33
DISTRIBUCION ASIMETRICA CON SESGO POSITIVO
DISTRIBUCION PLATOCURTICA EJEMPLO 20 El número de accidentes que ocurren durante un periodo de 7 días es
0 2 2 6 7 8 9 Calcular todas las medidas de dispersión. Rango = 8 – 0 = 8 Rango Cuartilico = - = 7.75 – 2 = 5.75
Quartil-1
= 1.75
1.75 + 0.5 = 2.25 1.75 - 0.5 = 1.25
Quartil-3
5.25 + 0.5 = 5.75 5.25 - 0.5 = 4.75
Rango Percentilico
= - = 8.8 – 0.4 = 8.4 Percentil-10
0.7 + 0.5 = 1.2 0.7 - 0.5 = 0.2
Percentil-90
6.3 + 0.5 = 6.8 6.3 - 0.5 = 5.8
34
Varianza X 0 23.5914 2 8.1630 2 8.1630 6 1.3062 7 4.5920 8 9.8778 9 17.1636
34 72.8570
S = = 3.4847 Coeficiente de variación
CV =
Coeficiente de simetría
-114.5859 556.5551 -23.3226 66.6349 -23.3226 66.6349 1.4929 1.7062 9.8402 21.0867
31.0.450 97.5713 71.1072 294.5898
-47.7458 1,104.779
DISTRIBUCION ASIMETRICA CON SESGO NEGATIVO
Coeficiente de Curtosis
DISTRIBUCION PLATOCURTICA
35
EJEMPLO 21 Ingenieros civiles ayudan a que las plantas municipales de tratamientos de aguas residuales funcionen de manera más eficiente, al recolectar datos acerca de la calidad de las aguas residuales. En 7 ocasiones las cantidades de salidas suspendidas (partes por millón) en una planta fueron
X
14 196 -2744 38416
12 256 -4096 65536
21 48 -343 2401
28 0 0 0
30 4 8 16
65 1369 50653 1874161
26 4 -8 16
196 1878 43470 1980546
S = = 17.6918 Coeficiente de variación
CV =
Coeficiente de simetría
DISTRIBUCION ASIMETRICA CON SESGO POSITIVO
36
DISTRIBUCION LEPTOCURTICA
EJEMPLO 22 La siguiente información representa la duración en miles de ciclos de perfiles
rectangulares.
a) Construir Histograma y Polígono de Frecuencia
b) Construir Ojiva
c) Partir cuatro cuartiles en forma gráfica y analítica
d) Calcular el decil-3, decil-9, percentil-16
C=200
Grado de aprox.=1
n= 94
Int. de Clase f Intervalos
Reales F
750 - 949 8 749.5 - 949.5 8
950 - 1149 17 949.5 - 1149.5 25
1150 - 1349 23 1149.5 - 1349.5 48
1350 - 1549 15 1349.5 - 1549.5 63
1550 - 1749 11 1549.5 - 1749.5 74
1750 - 1949 17 1749.5 - 1949.5 91
1950 - 2149 3 1949.5 - 2149.5 94
37
1. Cuartiles forma analítica
LQx = Localización Cuartil x
1131.8529
2. Calcular decil-3 y 9 así como percentil-16
LDx = Localización Decil x
= 28.2
0
10
20
30
40
50
60
70
80
90
100
749.5 949.5 1149.5 1349.5 1549.5 1749.5 1949.5 2149.5 2349.5
F
I.R
Ojiva
Ojiva
25%
50%
75%
100%
38
=
= 84.6
=
1974.2059
LPx = Localización Percentil x
= 15.04
=1032.3235
39
EJEMPLO 23 Una agencia publicitaria está evaluando diferentes medios de promoción para
cada uno de sus clientes, para uno de sus clientes que es fabricante de productos
de aseo destinado a los ancianos. Realiza una carrera de automóviles, en seguida
se da la distribución de edades del público que asistió a la carrera. Calcular Q1,
Q3, D5, D9, P1, y P9.
c=6
n=390
Grado de aprox. =1
= 97.5
= 40.91
= 292.5
= 55.13
= 195
= 49.27
= 351
= 61.27
= 3.9
= 19.18
= 261.3
=
53.3136
Edades f Intervalos
Reales F
15 - 20 5 14.5 - 20.5 8
21 - 26 20 20.5 - 26.5 25
27 - 32 24 26.5 - 32.5 49
33 - 38 30 32.5 - 38.5 79
39 - 44 46 38.5 - 44.5 125
45 - 50 88 44.5 - 50.5 213
51 - 56 103 50.5 - 56.5 316
57 - 62 44 56.5 - 62.5 360
63 - 68 30 62.5 - 68.5 390
390
40
EJEMPLO 24
1. El peso en kg de los campeones intramuros es: 56.6, 137.4, 73.9, 82, 86.1,
97.5 y 79.3. Calcular Q1, Q3, D2, D8, P15 y P83
= 1.75 75.25
2.25
1.125
= 5.25 94.65
5.75
4.75
= 1.4 72.17
1.9
0.9
= 5.6 101.49
6.1
5.1
= 1.05 66.115
1.55
0.55
= 5.81 109.869
6.31
5.31
41
EJEMPLO 25 El número de aviones extranjeros al nuevo aeropuerto de cd. De Guanajuato. En 7 días seleccionados al azar fueron 8, 3, 9, 5, 6, 8, 5, calcular madia, moda, mediana 3, 5, 5, 6, 8, 8, 9
EJEMPLO 26 La siguiente tabla muestra la distribución de la edad de 100 ancianos, calcular las medidas de tendencia central
años f F x fx 60 – 62 5 5 61 305 63 – 65 18 23 64 1152 66- 68 42 65 67 2814 69 – 71 27 92 70 1890 72 – 74 8 100 73 584
½ = 0.5 100 6745
Frecuencia de la moda d1 = 42-18 = 24 d2 = 42- 27 =15 16, 16, 16, 16, 9, 9, 9, 9, 9, 9, 37, 37,
42
EJEMPLO 27
Un psicólogo deportivo reunió datos de un grupo de corredores formando la
siguiente distribución, calcular la media, mediana y moda.
C=0.40 MILLAS POR DÍA
INTERVALOS f x fx F
1.60-1.39 32 1.195 38.24 32
1.40-1.79 43 1.595 68.585 75
1.80-2.19 81 1.995 161.595 156
2.20-2.59 122 2.345 292.19 278
2.60-2.99 131 2.795 366.145 409
3.00-3.39 130 3.195 415.35 539
3.40-3.79 111 3.595 399.045 650
3.80-4.19 95 3.995 379.525 745
4.20-4.59 82 4.395 366.39 827
4.60-4.99 47 4.795 225.365 874
5.00-5.39 53 5.195 275.335 927
927 2987.765
d1= diferencia uno
d1= f – f ant d2= = f
f = frecuencia de moda
f ant= frecuencia anterior
f post= frecuencia posterior
43
EJEMPLO 28
Es una oficina de un diario se registró el tiempo en que tardaron en imprimir la
primera plana durante 50 días. Obteniéndose la siguiente distribución.
Int. de clase f x fx F
1.90-20.1 7 19.55 136.86 7
20.2-21.3 11 20.75 228.25 18
21.4-22.3 7 21.95 153.65 25
22.6-23.7 10 23.15 231.5 35
23.8-24.9 11 24.35 267.85 46
25.0-26.1 3 25.55 76.65 49
26.2-27.3 1 26.75 26.75 50
50 1121.51
d1=11-7=4 d1=11-10
d2=11-7=4 d2=11-3=8
LRI= 20.2-0.05=20.15 23.8-0.05-23.75
44
EJEMPLO 29
La sig. Distribución representa la edad de 100 ancianos que varía entre 60 y 74
años.
I.C. No. Ancianos
60-62 5
63-65 18
66-68 42
69-71 27
72-74 8
n 100
Int. clase f F X fx f f
60-62 5 5 61 305 32.25 208.0125 -1341.6866 8653.8400
63-65 18 23 64 1152 62.10 214.245 -739.1453 2550.0511
66-68 42 65 67 2814 18.9 8.505 -3.8273 1.7223
69-71 27 92 70 1890 68.85 175.5675 447.6971 1141.6277
72-74 8 100 73 584 44.4 246.42 1367.631 7596.3521
100 6745 226.5 -269.3311 19943.5932
(-)
1.
2. RQ= Q3 – Q1)= 69.6111-65.6428=3.9683 18
LQ3=
75
69.6111
3. Rp=P90-P10
LP90=
45
LP10=
RP=71.2778-63.3333=7.9445
4. D.M. =
5. S2=
6. S=
7. C.V. =
8.
=
46
EJEMPLO 30
La siguiente distribución representa los diámetros en pulgadas n=40
Int. clase f F x fx f f
5.97-6.18 2 2 6.075 12.15 0.8141 0.3314
6.19-6.24 5 7 6.295 31.475 0.8736 0.1326
6.41-6.62 7 14 6.515 45.605 0.2749 0.0107
6.63-6.84 13 27 6.735 87.555 6.292x10-3 3.0453x10-6
6.85-7.06 7 34 6.955 48.685 0.4099 0.0246
7.07-7.28 6 40 7.175 43.05 1.2507 0.2733
40 268.52 3.6289 0.7920
n=40
Rp=P90-P10
40≥36 C=0.22
Rp=7.1383-6.273= 0.8653
47
EXAMENES
(PRIMER EXAMEN PARCIAL UNIDAD-1)
EJEMPLO 31 TIPO A
1.- En la siguiente tabla, se muestra las observaciones del nivel de agua en metros
en una presa.
a) Calcular media, moda, percentil-18.
b) Determinar el coeficiente de simetría.
INTERVALOS REALES
f
40.05-43.05 7
43.05-46.05 9
46.05-49.05 14
49.05-52.05 18
52.05-55.05 20
SOLUCIÓN.
a)
Media=3338.4/68=49.0941
= 52.05+
x f xf F
41.55 7 290.85 7 -3005.5461
44.55 9 400.95 16 -844.4836
47.55 14 665.7 30 -51.5429
50.55 18 909.9 48 55.5458
53.55 20 1071 68 1769.4209
3338.4 -2076.6059
48
b)
Distribución asimétrica sesgo negativo.
EJEMPLO 32
2.- Los contenidos de alquitrán el 6 marcas de cigarrillos son: 9.3, 7.3, 8.6, 16.1,
10.4, 12.2. Determinar el coeficiente de variación y desviación media.
x
9.3 1.35 1.8225
7.3 3.35 11.2225
8.6 2.05 4.2025
16.1 5.45 29.7025
10.4 0.25 0.0625
12.2 1.55 2.4025
14 49.415
EJEMPLO 33
3.- Los siguientes datos representan el tiempo que tardaron en imprimir la primera
plana en 40 días, construir polígono de frecuencia.
19.0 19.8 20.7 20.9 21.8 22.5 23.1 27.3
19.0 19.9 20.8 20.9 21.9 22.7 23.3 27.8
19.0 20.1 20.8 20.9 22.0 22.8 23.5 27.9
19.0 20.7 20.8 21.1 22.0 22.8 27.3 27.9
19.7 20.7 20.9 21.1 22.2 22.8 27.3 28.2
49
SOLUCIÓN.
Intervalos de clase f Intervalos reales
1) 19.0-20.5 8 18.95 – 20.55
2) 20.6-22.1 16 20.55 -22.15
3) 22.2-23.7 9 22.15 – 23.75
4) 23.8-25.3 0 23.75 – 25.35
5) 25.4-26.9 0 25.35 – 26.95
6) 27-28.5 7 26.95 – 28.55
50
EXAMEN
EJEMPLO 34 TIPO B
1.-Las cantidades siguientes son las tarifas de cobro por entrega de bultos
pequeños.
4.13 3.56 3.10 6.04 5.62 2.93 3.16
4.30 3.86 4.57 3.59 4.57 2.88 5.16
5.46 3.87 6.81 4.91 3.62 3.80 3.62
4.15 4.07 3.77 5.77 7.86 4.81 4.63
5.02 5.24 4.02 5.44 4.65 4.00 3.89
Determinar la distribución de frecuencia y construir histograma.
SOLUCIÓN.
Intervalos Reales
2.875 - 3.715
3.715 - 4.555
4.555 - 5.395
5.395 - 6.235
6.235 - 7.075
7.075 - 7.915
51
EJEMPLO 35
2.-El porcentaje de algodón en una tela utilizada para elaborar camisas es: 34.2.
33.6, 37.8, 32.6, 35.4 y 35.9. Calcular el rango cuartílico y el coeficiente de
simetría.
SOLUCIÓN.
X
34.2 -0.3681
33.6 -2.2826
37.8 23.9707
32.6 -12.4334
35.4 0.1129
35.9 0.9508
9.9505
52
. Distribución asimétrica positiva
EJEMPLO 36
3.- Calcular el cuartil-3, percentil-5 y la moda.
SOLUCIÓN.
Limites f F
2.86-3.57 7 7
3.58-4.29 15 22
4.30-5.01 7 29
5.02-5.73 7 36
5.74-6.45 5 41
6.46-7.17 2 43
53
EXAMEN
EJEMPLO 37 TIPO C
1. Calcular mediana, moda y coeficiente de variación
Int. de Clase
f F
170-189 2 2
190-209 10 12
210-229 17 29
230-249 23 52
250-269 32 84
270-289 45 129
EJEMPLO 38
2. El tiempo que tardaron en imprimir la primera plana, fue registrada durante
5 días fue: 20.8, 19.0, 23.9, 25.1, 20.7 ¿Calcular el coeficiente de Kurtosis y
el rango cuartilico?
19.0 20.7 20.8 23.9 25.1
0 1 2 3 4
5
54
x (x-21.9)^4
20.8 1.4641
19.0 70.7281
23.9 16
25.1 104.8576
20.71 2.0736
∑=195.1234
EJEMPLO 39
3. El porcentaje de algodón en una tela utilizada para elaborar camisas
Construir ojiva
34.2 33.6 33.8 37.8 37.8 32.6
33.1 38.7 34.2 33.6 36.6 33.1
34.5 45.0 33.4 32.5 35.4 34.6
35.6 35.4 34.7 34.1 34.6 35.9
55
34.3 36.2 34.6 35.1 33.8 34.7
Int. de clase f F I.R.C.
32.5 – 35.0 19 19 32.45 – 35.05
35.1 – 37.6 7 26 35.05 – 37.65
37.7 – 40.2 3 29 37.65 – 40.25
40.3 – 42.8 0 29 40.25– 42.85
42.9 – 45.4 1 30 42.85 – 45.45
OJIVA
56
Examen
EJEMPLO 40 Tipo D
1. Los salarios obtenidos por 50 estudiantes
X 55 60 65 70 75 80
f 6 3 4 11 16 10
a) Construir Ojiva
b) Calcular mediana, decil-7, percentil-16.
a) Ojiva
Int. Reales f F
52.5 – 57.5 6 6
57.5 – 62.5 3 9
62.5 – 67.5 4 13
67.5 – 72.5 11 24
72.5 – 77.5 16 40
77.5 – 82.5 10 50
57
EJEMPLO 41
2. El porcentaje de algodón en una tela utilizada para elaborar camisas fue:
34.2, 33.1, 34.5, 35.6, 34.3, 45.0, calcular coeficiente de variación y
coeficiente de simetría.
X (x-36.1167)^3
34.2 -7.0411
33.1 -27.4525
34.5 -4.2253
35.6 -0.1379
34.3 -5.9955
45.0 701.0159
∑=656.1636
58
EJEMPLO 42
3. Los siguientes datos históricos de los sueldos por alumnos en dólares.
3.79 2.14 2.89 2.68 1.84 3.57
2.45 2.05 2.37 3.10 2.75 2.10
3.36 3.54 2.91 2.71 2.44 3.22
3.14 2.77 2.52 3.13 3.37 3.85
2.99 2.67 2.83 3.51 2.52 3.71
Obtener la distribución de frecuencia relativa
Int de Clase f Fr
1.84 – 2.24 4 0.1333
2.25 – 2.65 5 0.1667
2.66 – 3.06 9 0.3
3.07 – 3.47 6 0.2
3.48 – 3.88 6 0.2
59
UNIDAD 2
FUNDAMENTOS DE LA TEORIA DE PROBABILIDAD
La probabilidad se define como evento entre espacio muestral.
Evento: Es el número de casos favorables.
Espacio Muestral: Es el número total de casos posibles.
Por ejemplo: Se lanza un dardo a una ruleta que esta girando, la cual tiene sectores de colores, 8 de ellos son de color amarillo, 10 de rojo y 12 de blanco, determinar la probabilidad de que el dardo caiga en un sector rojo.
Solución:
ε = 10 sectores rojos S = 30 (todos los sectores que compone la ruleta) Entonces: P(rojo) = 10/30 = 1/3 = 0.3333 = 33.33%
AXIOMAS DE PROBABILIDAD
1) La probabilidad de un evento toma valores entre 0 y 1, cuando es igual a cero tenemos la seguridad de que no va a ocurrir y cuando es igual a 1 tenemos las certeza de que el evento ocurrirá.
1)(0 EP
Ejemplo: P(azul) = 0% (el sector azul no existe en al ruleta) Por lo tanto este evento es un 0 ya que no ocurrirá en este caso.
2) La suma de probabilidades de los eventos que forman el espacio muestral es igual a 1.
1)( EP
60
EJEMPLO 43
Ejemplo 1 (en base al ejemplo de la ruleta):
P(E)=0.2667+0.3333+0.4= 1
EJEMPLO 44 Ejemplo 2:
Dado }6,5,4,3,2,1{S
1)6()5()4()3()2()1( PPPPPP
16
1
6
1
6
1
6
1
6
1
6
1
3) La probabilidad de que un evento no ocurra es igual a 1- (la probabilidad de que el evento ocurra).
)(1´)( APAP
Nota: = Probabilidad de A complemento.
4) La probabilidad de la unión de 2 eventos que son mutuamente excluyentes es igual a la suma de sus probabilidades.
61
)()()( BPAPBAP
5) La probabilidad de la unión de 2 eventos que son colectivamente exhaustivos es igual a la suma de sus probabilidades menos la probabilidad de que ocurran ambos.
)()()()( BAPBPAPBAP
}2{}3,2{}2,1{
De 3 eventos seria de la sig. manera:
)()()()()()()()( CBAPCBPCAPBAPCPBPAPCBAP
}5{}6,5{}5,4{}5,2{}7,6,5,4{}6,5,3,2{}5,4,2,1{
EJEMPLO 45 Ejercicio 1:
Sea },,,{ 4321 aaaaS y sea P una función de probabilidades de S :
a) Hallar )( 1aP si 3
1)( 2 aP ,
6
1)( 3 aP y
9
1)( 4 aP
62
b) Hallar )( 1aP y )( 2aP si 4
1)()( 43 aPaP y )(2)( 21 aPaP
c) Hallar )( 1aP si 3
2),( 32 aaP ,
2
1),( 42 aaP y
3
1)( 2 aP
Solución:
a) 18
7
9
1
6
1
3
11)( 1
aP
b) )()()()(2)()( 342231 aPaPaPaPaPaP
)()()(3)()( 34231 aPaPaPaPaP
2
1)(31 2 aP
)(32
11 2aP
6
1)( 2 aP
)(2)( 21 aPaP
6
12)( 1aP
3
1)( 1 aP
c) 1)()()()( 4321 aPaPaPaP
)())()()((1 4321 aPaPaPaP
)())()()((1 4321 aPaPaPaP
3
2)()( 32 aPaP
3
1
3
1
3
2)( 3 aP
2
1)()( 42 aPaP
6
1
3
1
2
1)( 4 aP
6
1
6
1
3
1
3
11)()()(1)( 4321 aPaPaPaP
EJEMPLO 46 Ejercicio 2:
Tres estudiantes A, B Y C intervienen en una prueba de natación, A y B tienen la misma probabilidad de ganar y el doble de la de C. Hallar la probabilidad de que gane B o C.
63
Solución:
},,{ CBAS
1)()()( CPBPAP
Si, )(2)()( CPBPAP
Sustituyendo P(B) y P(A):
1)()(2)(2 CPCPCP 1)(5 CP
5
1)( CP
Para P(B), si:
5
12)(2)( CPBP
5
2)( BP
Por lo tanto:
)()()( CPBPCBP Sustituyendo:
%606.05
3
5
1
5
2)( CBP
EJEMPLO 47 Ejercicio 3: De 120 estudiantes 60 estudian francés, 50 español y 20 estudian francés y español. Si se escoge un estudiante al azar hallar la probabilidad de que el estudiante:
a) Estudie francés y español. b) No estudie francés ni español. c) Estudian únicamente un idioma.
Solución:
a) F=60, E=50, 20)( EFP
}120{S
%67.161667.0120
20)( EFP
b)
64
c)
EJEMPLO 48 Ejercicio 4:
El departamento de publicidad Dell palacio de bronce efectuó una encuesta a un grupo seleccionado de 1000 clientes de entre todos los que abrieron su cuenta de crédito en el pasado desde diciembre.
Los resultados de la encuesta se han tabulado así:
Mercancía #De personas Abreviación
Artículos para hogar 275 H
Artículos para vestir 400 V
Juguetes 550 J
Artículos para hogar y vestir 150 H∩V
Artículos para hogar y juguetes 110 H∩J
Artículos para vestir y juguetes 250 V∩J
Artículos para vestir, juguetes y del hogar
100 H∩V∩J
a) Si se selecciona al azar a uno de estos clientes determine la posibilidad de que no usara su crédito en ninguno de estos mencionados
b) Que utilizara su crédito solo para comprar juguetes. c) Que utilice su crédito para comprar al menos 2 de los artículos
mencionados. Solución:
a)
)(1)( JVHPJVHP
65
)()()()()()()()́( JVHPJVPJHPVHPJPVPHPJVHP
815.01000
815
1000
100
1000
250
1000
110
1000
150
1000
550
1000
400
1000
275
%5.18815.01)(1 JVHP
b)
VH =150=A2+A5
150=A2+100 150-100=A2
A2=50
H=275=A1+A2+A4+A5
=A1+100+50+10 A1=275-160=115
V=A2+A3+A5+A6
400=50+A3+100+150 A3=400-50-250=100
J=A4+A5+A6+A7
550=10+100+150+A7 A7=550-260=290
%2929.0
1000
290)( SoloJP
c)
P(Al menos 2 artic.) = P(artc.≥2) = A2+A4+A5+A6
66
EJEMPLO 49 Ejercicio 5:
Un investigador de mercados efectúa una encuesta sobre los hábitos de lectura de periódicos de la ciudad de Córdoba, con los siguientes datos:
98% Leen el clarín 22.9% Leen el mercurio
12.1% Leen la sensación 5.1% Leen el clarín y el mercurio
3.7% Leen el clarín y la sensación 6.0% Leen el mercurio y la sensación 32.4% Leen al menos uno de los 3 periódicos mencionados
Calcular el porcentaje de personas que: a) No leen ninguno de los tres periódicos mencionados. b) Leen exactamente 2 de los periódicos. Solución: a)
b)
)()()()()()()()( SMCPSMPSCPMCPSPMPCPSMCP
0.324=0.098+0.229+0.121-0.051-0.037-0.06+ )( SMCP
0.324=0.3+ )( SMCP
)( SMCP =0.024
)( MCP =A2+A5
0.051=A2+0.024 A2=0.027
67
)( SCP =A4+A5
0.037=A4+0.024 A4=0.013
)( SMP =A6+A5
0.06=A6+0.024 A6=0.036
cos)_2_( periodieExacatmentP =A2+A4+A6=0.027+0.013+0.036=0.076=7.6%
EJEMPLO 50 Ejercicio 6:
El instituto de la juventud del estado huasteco esta organizando los equipos de fútbol, béisbol y natación para las próximas mini olimpiadas. Hay 900 personas del instituto que han manifestado sus deseos de participar en esos eventos deportivos y han cumplido con los exámenes médicos deportivos, Se habían obtenido los siguientes datos preliminares del primer listado de computadora, cuando repentinamente se interrumpió el servicio eléctrico. 400 en fútbol 390 en béisbol 480 en natación 680 en fútbol o béisbol 210 no pueden participar en ninguno de estos 90 en los primeros 2, pero no en el tercero 190 en solamente natación Si se selecciona al azar una persona determinar la probabilidad de que; a) Pueda participar en los tres deportes. b) Pueda participar en por lo menos 2 de los deportes. Solución:
a)
68
680= )( BFP =F+B- )( BFP
680=400+390- )( BFP
)( BFP =110
)( NBFP =A5
)( BFP =A2+A5
110=90+A5 A5=20
%22.20222.0900
20)( NBFP
b)
%22.424222.0900
90190480)2___(
menosloPorP
EJEMPLO 51 Ejercicio 7: En una encuesta realizada por la “Panificadora Real” se entrevistaron a 900 amas de casa sobre su preferencia a 3 productos que fabrican, se obtuvieron los siguientes resultados: 130 personas compran únicamente pan de caja 88 personas compran únicamente pan negro 32 personas compran únicamente mantecadas 144 personas compran pan de caja y pan negro exclusivamente 86 personas compran pan negro y mantecadas exclusivamente 90 personas compran pan de caja y mantecadas exclusivamente 205 personas compran los 3 productos Si se selecciona una persona al azar cual es la posibilidad de que:
a) Consuma al menos pan de caja o pan negro b) No consuma los productos que fabrican esta panificadora
69
Solución:
a) P (consuma al menos pan de caja o pan negro)
b)
A8 = 900 – (743 + 32) A8 = 125
P = 0.1389 P = 13.89%
70
EJEMPLO 52 Ejercicio 8. Sea P(A) = X, P(B) = Y, P(A∩B) = Z. Hallar:
a) P(AC∩BC)
b) P(AC⋃B)
Solución: U={1,2,3,4} A={1,2}, B={2,3} Para obtener el área de A A=A1+A2 X=A1+Z Despejando A1 X-Z=A1 Para obtener A4 U=A1+A2+A3+A4 Sustituyendo 1=(X-Z)+(Z)+(Y-Z)+A4 1=X+Y+Z+A4 Despejando A4 1-X-Y+Z=A4
Para área B B=B2+B3 Y=Z+B3 Despejando B3 B3=Y-Z Otra forma de encontrar el A4
A⋃B=A+B-A∩B A⋃B=X+Y-Z U= A⋃B+A4 1=X+Y-Z+A4 1-X-Y+Z=A4
71
TECNICAS DE CONTEO Se clasifican en permutaciones y combinaciones. Permutaciones: Es el número arreglos en donde importa el orden de cada uno de los elementos.
Combinaciones: Es el número de arreglos donde no importa el orden, generalmente de un grupo “n” se extrae otro grupo “x”.
Dónde: n=el tamaño total del grupo o muestra donde se puede elegir. x=el número de elementos que se puede obtener de n.
Hay dos tipos de permutaciones
1. Con reemplazo. 2. Sin reemplazo.
EJEMPLO 53 Ejercicio 1: ¿De cuántas maneras se puede seleccionar 2 personas de un grupo de 6 y cuales son? Solución:
2
6=
)!26(!2
!6
=
!4!2
!6=
!4*1*2
!4*5*6
=
2
30= 15 combinaciones
12 23 34 45 56 13 24 35 46 14 25 36 = 15 combinaciones 15 26 16
n! = n factorial
Ejemplo:
5!=5*4*3*2*1
72
EJEMPLO 54 Ejercicio 2: Si no se permiten repeticiones:
a) ¿Cuántos números de 3 dígitos se pueden formar con los 6 dígitos 2, 3, 5, 6,7 y 9? b) ¿Cuántos de estos son menores que 400? c) ¿Cuántos son pares? d) ¿Cuántos son impares? e) ¿Cuántos son múltiplos de 5?
Solución:
a) 6 5 4 =120
b) 2 5 4 =40
c) 5 4 2 =40
d) 5 4 4 =80
e) 5 4 1 =20
EJEMPLO 55 Ejercicio 3: ¿De cuantas maneras puede escogerse un comité compuesto de 3 hombres y 2 mujeres de un grupo de 7 hombres y 5 mujeres?
=(35)(10)=350 EJEMPLO 56 Ejercicio 4: a) De cuantas maneras 3 niños y 2 niñas pueden sentarse en una fila. b) De cuantas maneras pueden sentarse si los niños se sientan juntos y las niñas también. c) De cuantas maneras pueden sentarse en fila si justamente las niñas se sientan juntas. Solución:
a) 5 4 3 2 1 =5!=120 formas
73
b)
3 2 1 2 1 =12
+
2 1 3 2 1 =12
2* 2!* 2! = 24 formas c)
2 1 3 2 1 =12
+
3 2 1 2 1 =12
+
3 2 2 1 1 =12
+
3 2 1 2 1 =12
48 formas Otra forma de contestar el inciso “c” es usando el “método del salto de la rana” que es el siguiente.
EJEMPLO 57 Ejercicio 5: a) De cuantas maneras 5 niños y 4 niñas pueden sentarse en una fila. b) De cuantas maneras pueden sentarse si los niños se sientan juntos y las niñas también. c) De cuantas maneras pueden sentarse en fila si justamente las niñas se sientan juntas. d) De cuantas maneras puede quedar alternados.
74
Solución:
a) 9! = 362880
b)
5 4 3 2 1 4 3 2 1 =2880
+
4 3 2 1 5 4 3 2 1 =2880
2* 5!* 4! = 5760 formas c)
d) 5 4 4 3 3 2 2 1 1 5!*4! = 2880 formas EJEMPLO 58 Ejercicio 6: ¿De cuántas maneras se puede seleccionar 2 personas de un grupo de 7 y cuales son los diferentes arreglos? Solución:
2
7=
)!27(!2
!7
=
!5!2
!7=
!5*1*2
!5*6*7=
21
42= 21 combinaciones
12 13 14 15 16 17 23 24 25 26 27 34 35 36 37 = 21 combinaciones 45 46 47 56 57 67
6*5!*4!=17280 formas.
75
EJEMPLO 59 Ejercicio 7: De cuantas maneras se puede acomodar una reunión de 7 personas. a) En una fila de 7 sillas. b) Alrededor de una mesa redonda. Solución: a)
=7!=5040
b)
Nota: En una mesa redonda se toma como inicio y fin una de las casillas o lugares. EJEMPLO 60 Ejercicio 8: Cuantos arreglos distintos se pueden hacer tomando todas las letras de la palabra: Dado Solución:
=!2
!4=
!2
!2*3*4
=12
Y con la palabra probabilidad Probabilidad = 12 Repeticiones: b x 2, i x 2, a x 2, d x 2.
7 6 5 4 3 2 1
!3!2!1
!
rrr
n
(n-1)!
(7-1)! = 6!
6! = 720
76
EJEMPLO 61 Ejercicio 9: Cuantos arreglos distintos pueden formarse con todas las letras de cada una de las palabras. a) Tema b) Campana c) Estadística a)
=24
b)
!3
!7=
6
5040=840
c)
!2!2!2!3
!12=9979200
EJEMPLO 62 Ejercicio 10: Una delegación de 4 estudiantes se selecciona todos los años para asistir a la asamblea anual de la asociación de estudiantes, a) De cuantas maneras puede escogerse la delegación si hay 12 estudiantes elegibles. b) De cuantas maneras si 2 de los estudiantes elegibles no asisten al mismo tiempo. c) De cuantas maneras si 2 de los estudiantes elegibles son casados y solo asistirán si van juntos. d) Si el grupo esta formado por 5 mujeres y 7 hombres de cuantas maneras se puede escoger la delegación que este formado en por lo menos una mujer. Solución: a)
)!8(!4
!12=
)!8(1*2*3*4
!8*9*10*11*12
=495
4 3 2 1
77
b)
3
10
1
2=
)!7(1*2*3
!7*8*9*102 =2*120 =240
+
)!6(!4
!10
4
10
=
)!6(1*2*3*4
!6*7*8*9*10
=210
450 c)
2
10
2
2
)!8(!2
!101 =
)!8(1*2
!8*9*10
=
2
90
=45
+
)!6(!4
!10
4
10
=
)!6(1*2*3*4
!6*7*8*9*10
=
210
5040
= 210
255 d) La condición se cumple si: 1m ó 2m ó 3m ó 4m Las delegaciones pueden formarse entonces de las siguientes maneras. 1m y 3h ó 2m y 2h ó 3m y 1h ó 4m
78
PROBABILIDAD CONDICIONAL A la probabilidad de que un evento “B” se de cuando algún otro evento “A” sea presentado se llama “Probabilidad condicional” y se escribe P(B/A), se lee: “La probabilidad de que B ocurra dado que ocurrió A”. La probabilidad de “B” dado “A” EJEMPLO 63 Ejercicio 1: Se lanza un dado, si el resultado es par, ¿Cual es la probabilidad de que caiga el numero 4? S= {1,2,3,4,5,6} A={2,4,6}
P(4/par)= 1 / 3
EJEMPLO 64 Ejercicio 2: Suponga que todos los individuos que compran determinada cámara digital, 60% incluyen una tarjeta de memoria opcional en su compra, 40% incluye una batería. Considere elegir al azar un comprador. Dado que el individuo compro una batería extra determinar la probabilidad que también sea comprada una tarjeta opcional y 30% una tarjeta y una batería. Solución:
6.0)( TarjetaP
4.0)( BateriaP
3.0)( BTP
%7575.04.0
3.0
)(
)()\(
BP
BTPBTP
EJEMPLO 64
Ejercicio 3: Una revista publica 3 columnas tituladas “Art. ” (A),”Books”(B) Y “Cinema”(C). Los hábitos de lectura de los lectores son probables de leer con regularidad.
A B C A∩B A∩C B∩C A∩B∩C
0.14 0.23 0.37 0.08 0.04 0.03 0.05
Hallar a) )\( BAP
b) )\( CBAP
c) )\( CBAP
79
Solución: a)
%78.343478.023.0
08.0
)(
)()\(
BP
BTAPBAP
b)
B = 0.23=A2+A3+A5+A6 0.23=0.03+A3+0.05+0.08 0.23=0.16+A3 A3=0.23-0.16=0.07 C =0.37=A4+A5+A6+A7 0.37=0.04+0.05+0.08+A7 0.37=0.17+A7 A7=0.37-0.17=0.2
%53.252553.047.0
12.0)\( CBAP
c)
%94.454594.037.0
17.0
37.0
08.005.004.0
)(
)()\(
CP
CBAPCBAP
80
EVENTOS INDEPENDIENTES Dos eventos A y B son independientes si y solo si la probabilidad )()()( BPAPBAP
De otra forma son dependientes. EJEMPLO 65 Ejercicio 1: Un sistema eléctrico consiste en cuatro componentes que funciona independientemente uno de otro como se indica en la figura, donde se indica la probabilidad de que cada componente funcione. Encuentre:
a) El sistema completo funcione: b) El componente C no funcione dado que el sistema completo funcione:
Solución: P ( I U II ) = P ( I ) + P ( II ) – P ( I ∩ II ) P (funcione) = 0.9 [0.8 (0.7) + 0.85 - 0.8 (0.7) (0.85)] a) P (funcione) = 0.8406
*ABCD = (0.9) (0.8) (0.7) (0.85) = 0.4284 * ABCD = (0.9) (0.8) (0.7) (0.15) = 0.0756 *ABCD = (0.9) (0.8) (0.3) (0.85) = 0.1836 ABCD
* ABCD = (0.9) (0.2) (0.7) (0.85) = 0.1071 ABCD *ABCD = (0.9) (0.2) (0.3) (0.85) = 0.0459 ABCD ------------ 0.8406
P (no funcione) = 0.1863 + 0.0459 = 0.2295
b) P (3/ Sist. funcione) =8406.0
27.0= 0.3211
81
TEOREMA DE BAYES
Si los eventos B1, B2,…, Bk constituyen una partición del espacio muestral S, donde P(Bi)
0 para i=1, 2,…, k , entonces, para cualquier evento A en S tal que P(A) 0 , dado
que:
k
i
ii
rr
K
i
i
rr
BAPBP
BAPBP
ABP
ABpABP
11
)/()(
)/()(
)(
)()/(
Para r= 1, 2, 3,…, k.
EJEMPLO 66 Ejercicio 1: Se ha nominado a 3 personas de un club privado nacional para ocupar la presidencia del mismo. La probabilidad de que se elija al Sr. Adams es de 0.3,la que se haga lo propio con el Sra. Brown de 0.5 y la que gane el Sra. Copper es 0.2 En caso de que se elija al Sr. Adams la probabilidad de que la cuota de ingreso se incremente es 0.8; si se elije a la Sra. Brown o a la Sra. Cooper las correspondientes probabilidades de que se incremente la cuota es 0.1 y 0.4 respectivamente.
a) Cual es la probabilidad de que halla un incremento en la cuota de membresía. b) Si alguien considera entrar al club pero retrasa su decisión por varias semanas solo
para encontrarse de que las cuotas de entrada aun aumentado. Cual es la probabilidad de que se halla elegido a la Sra. Cooper como presidenta?
Solución: a)
P(I) = P(A y I) ó P(B y I) ó P(C y I) P(I) = (0.3)(0.8) + (0.5)(0.1) + (0.2)(0.4) = 0.24 + 0.05 + 0.08=0.37= 37%
I= Incremente
N= No incremente
82
b) P (C/I)= %62.212162.037.0
08.0
37.0
)4.0(2.0
)(
)(
IP
CyIP
EJEMPLO 67 Ejercicio 2: La Policía planea hacer cumplir los límites de velocidad, usando un sistema de radar, en 4 diferentes puntos de la ciudad. Las de radar en cada uno de los sitios es de: L1, L2, L3 y L4. Operan: 40%, 30%, 20% y 30%, del tiempo. Y si una persona viaja a gran velocidad cuando va a su trabajo, tiene la probabilidad de 0. 2, 0. 1, 0. 5 y 0.2, respectivamente de pasar por esos lugares.
a) ¿Cuál es la probabilidad de que no reciba una multa por conducir en exceso de velocidad?
b) Si la persona es multada por conducir en exceso de velocidad hacia su trabajo.
¿Cuál es la probabilidad de que pase en el radar de L2?
P(+) = P(A y +) ó P(B y +) ó P(C y +)
a) P(m) = P(L1 y m) ó P(L2 y m) ó P(L3 y m) ó P(L4 y m)
P(m) =(0.2)(0.4) + (0.1)(0.3) + (0.5)(0.2) + (0.2)(0.3) =0.08 + 0.03 + 0.1 + 0.06 = 0.27 = 27%
b) %9.95959.073.0
07.0
27.01
)7.0(01.0)\2(
nLP
m= Multa
n*= No multa
83
UNIDAD 3
VARIABLE ALEATORIA DISCRETA
Un variable aleatoria discreta “x” se dice que es discreta si se puede tomar un numero finito o
infinito contable de valor; Como puede ser el número de personas que entran diariamente a la
cafetería.
FORMULAS PRINCIPALES
Media ⇒
Desviación estándar ⇒
Coeficiente de variación ⇒
Coeficiente de simetría ⇒
R- esimo momento ⇒
Coeficiente de kurtosis ⇒
A continuación se hará un ejercicio como ejemplo de V.A.D. (variable aleatoria discreta) para
ejemplificar el tema; utilizando la teoría aprendida en las unidades anteriores.
EJEMPLO 68
Se lanza una moneda 4 veces y se define “x” como el número de caras, determinar:
a) Determinar la distribución de probabilidad para x.
b) Determinar la distribución de probabilidad acumulada.
c) Determinar gráficamente las distribuciones de A y B.
d) Calcular el valor esperado de x.
e) Calcular la desviación estándar, coeficiente de variación.
84
S= (2) (2) (2) (2)= 16
CCCC 4 SCCC 3
CCCX 3 SCCX 2
CCXC 3 SCXC 2
CCXX 2 SCXX 1
CXCC 3 SXCC 2
CXCx 2 SXCX 1
CXXC 2 SXXC 1
CXXX 1 SXXX 0
a), b)
x P(x) P. Ac (x) x P(x)
0 "1/16"=0.0625 0.0625 0
1 "4/16"=0.25 0.3125 0.25
2 "6/16"=0.375 0.6875 0.75
3 "4/16"=0.25 0.9375 0.75
4 "1/16"=0.0625 1 0.25
1 2
c)
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0 1 ("2") 3 4
Grafica de Barras o Histograma para variables aleatorias discretas
85
d)
E(x) = valor esperado de x
E(x) = M= 2
M = ∑ fx/ N
N= tamaño de la población
M = ∑x p(x)
e)
ℓ = Desviación Estándar de la Población
ℓ = √∑fx – M2/N
ℓ2= ∑(x-M)2 P(x)
ℓ2 = ∑(x2-2xM∑xP(x) + M2(∑P(x) )
ℓ2 = E(x2) – 2M2 + M2
ℓ =E(x2) – M2 E(x) = Valor esperado
ℓ= √∑x2 p(x) –M2
ℓ=√ (5-22) = √1 = 1
c. v= ℓ/M = coeficiente de variación = ½ = 0.5
α3= m3/ m23/2
m3=∑ (x-M)3 /N
m3=∑(x3-3xM + 3xM2 –M3) P(x)
= ∑(x3p(x) -3M∑x2p(x) + 3M∑xp(x) – M ∑p(x)
86
Formula
m3= 14 -3(2) (5) + 2(2)3 =14 – 30 + 16 =0
α3= 0/ 13/2=0 Distribución Simétrica
α4= Coeficiente de Kurtosis
α4=m4/ m22
m4= ∑ fx –M4 / N
m4= ∑(x- M)4 p(x)
m4= ∑ (x4 – 4x3M + 6x2M2- 4xM3+ M4) p(x)
m4= ∑ x4 p(x) – 4M ∑ x3 p(x) + 6M2∑x2 p(x) -4M3∑xp(x) + M4 (∑p(x))
m4= E(x4) – 4ME(x3) + 6M2 E(x2) – 3M4
M4= 42.5 – 4(2)(14) + 6(22)(5) -3(24)=2.5
α4= 2.5/ 1= 2.5 Distribución Platocurtica
EJEMPLO 69
Se lanzan dos dados y se define “x” como la suma de las 2 caras.
S= 6*6=36
Combinaciones:
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
M3= E(x3)- 3ME(x2) + 2M3
87
Distribución de probabilidad.
x P(x) P. Ac (x) x P(x) x´2 p(x)
2 "1/36" "1/36" "2/36 "4/36
3 "2/36" "3/36" "6/36" "18/36"
4 "3/36" "6/36" "12/36" "48/36"
5 "4/36" "10/36" "20/36" "100/36"
6 "5/36" "15/36" "36/36" "180/36"
7 "6/36" "21/36" "42/36" "294/36"
8 "5/36" "26/36" "40/36" "320/36"
9 "4/36" "30/36" "38/36" "324/36"
10 "3/36" "33/36" "30/36 "342/36"
11 "2/36" "35/36" "22/36" "242/36"
12 "1/36" 1 "12/36" "144/36"
252/36 1974/36"
Graficas
α3 = 0
0
0.05
0.1
0.15
0.2
2 3 4 5 6 7 8 9 10 11 12
Serie 1
88
Valor Esperado E(x) = M= ∑ x p(x)
M= 252/36 = 7
ℓ= √ (∑ x2 p(x) –M2)
ℓ= √ (54.8335 - 72)
=√ ( 5.8335) = 2.4152
C V = ℓ / M CV= 2.4152/7 = 0.3450
EJEMPLO 70
En un problema de una prueba aplicada a niños pequeños se les pide que hagan corresponder
cada 1 de los 3 dibujos de animales con la palabra que identifica a ese animal, si un niño asigna
aleatoriamente las 3 palabras a los 3 dibujos , encuentre la distribución de probabilidad para x , el
número correspondencias correctas , calcule media , mediana y moda.
S = 3*2*1=6
X
AVP 3
APV 1
VAP 1
VPA 0
PAV 0
PVA 1
89
X P(X) X P(X) P.Ac (X)
0 "2/6" 0 "2/6 = .3333
1 "3"/6" "3/6" "5/6 = .8333"
2 "1/6" "3/6" 1
1 1
Media= 1
M0= Moda Poblacional
M0= 1
Md= Mediana
0 – 0.3333
Md – 0.5 Md – 0 / 1 – 0 = 0.5 – 0.3333 / 0.8333 – 0.3333 = 0.3334=Md
1 -- 0.8333
EJEMPLO 71
Por saturación de vuelos algunas líneas aéreas venden más pasaje que los disponibles en un
vuelo. Una compañía ha vendido 205 boletos que corresponden a un avión de 200 asientos. Sea
“x” la variable aleatoria que representa en número de pasajeros que tramita su pase de abordar
en el aeropuerto. La distribución de probabilidad está dada por x.
Calcular media, mediana, moda.
Tabla de distribución de probabilidad.
x P(x) x P(x)
198 0.05 9.9 0.05
199 0.09 17.91 0.14
200 0.15 30 0.29
201 0.2 40.2 0.49
202 0.23 46.46 0.72
203 0.17 34.51 0.89
204 0.09 18.36 0.98
205 0.02 4.1 1
1 201.44
90
201 – 0.40
Md – 0.50
202 – 0.72
Md – 201 / 1 =0.6435 M (media)= 201.44
Md = 0.6435 + 201 M0= 202= (Moda)
Md (mediana)= 201.0435
P. Ac(x)
0.05
0.14
0.29
0.49
0.72
0.89
0.98
1
91
EJEMPLO 72
Determine el valor de “c” de tal forma que cada una de las siguientes funciones sirva como
distribución de la variable aleatoria discreta x:
a) d(x) = (2 c x ) * (3 c 3-x ) para x= 0 , 1, 2
£∑x=0 = f(x) = 1
= c (02 + 4) + c (12 + 4) + c(32 + 4)
= 4c +5c + 8c +13c = 30c
1= 30c
c= 1/30 =0.0333
b) ∑x=02 f(x) =1
1= (2 c 0) * ( 3 c 3-0)+ (2 c 1) * (3 c 3-1) + (2 c 2) * ( 3 c 3-2)
1= c( 1)(1) + c( 2) (3) + c(1)(3)
1= c +6c + 3c
1= 10c
C= 1/10=0.1
EJEMPLO 73
Considere que un sistema de agua que fluye a través de válvulas de “A” a “B” .Las válvulas 1, 2 y
3 funcionan independientemente cada 1 y se abre correctamente mediante una señal con
probabilidad de 0.8. Encuentre la distribución de probabilidad para “x”, el número de días abiertos
de “A” a “B” después de haber enviado la señal, construya la ojiva.
A) Encuentre la distribución de probabilidad para X, el número de vías abiertas de A a B
después de haber enviado la señal.
B) Construya histograma y ojiva
C) Calcular coeficiente de variación, coeficiente de simetría y curtosis.
X= # de vías abiertas de A a B
X= 0, 1, 2.
92
X P(x) P (acumulada)
0 0.072 0.072
1 0.416 0.488
2 0.512 1
Suma = 1
S= (2)(2)(2)= (2)3= 8 X
1 2 3 2
1 2 3 1
1 2 3 1
1 2 3 1
1 2 3 1
1 2 3 0
1 2 3 0
1 2 3 0
P (abierta)= 0.8
P (cerrada)= 0.2
P (0)= (0.8)(0.2)2 + (0.8)(0.2)2 + (0.2)3 = 0.072
P (1)= (0.8)2(0.2)(0.3) + (0.8)(0.2)2 = 0.416
P (2)= (0.8)3= 0.512
P1Ac(x) = probabilidad acumulada de x
93
C.V = M/ σ
M= media de la población
σ= desviación estándar de la población
M= Ef(x)/ N = Exp(x) N= tamaño de la población
xP(x)
0
0.416
1.024
Suma= 1.44
Exp(x) = 1.44 σ= sqrt(Ef(x-M)2 / N) (σ)2 = E(x-M)2 p(x)
(σ)2 = E(x)2p(x) – M2
X2 P(x)
0
0.416
2.048
Suma= 2.464
(σ)2 =2.464 – (1.44)2 = 0.3904 σ=0.6248
C.V= 0.6248 / 1.44 = 0.4339
ἀ3 = m3 / m23/2 m2= σ2= 0.3904
m3= E(X-M)3 P(x)
X3 P(x)
0
0.416
4.096
Suma= 4.512
M3=4.512 – 3(1.44)(2.464) + 2(1.44)3 = -0.1605
ἀ3 = -0.1605 / (0.3904)1.5 = -0.6586 distribución asimétrica con sesgo negativo
m4 = E(x-M)4 p(x) ἀ4 = m4 / m22
m4= 8.608 – 4(1.44)(4.512) + (1.44)2 (2.464) – 3(1.44)4 = 0.3755
X4 P(x)
0
0.416
8.192
Suma= 8.608
94
TEOREMA DE CHEBISHEV.
La desviación estándar de una variable aleatoria “X” mide la dispercion de los valores de “x”
alrededor de la media µ de “x”. En consecuencia, para valores mas bajos de se esperaría que
“x” estuviera mas cerca de su media µ. Esta esperanza intuitiva se hace mas precisa mediante la
desigualdad siguiente:
Desigualdad de Chebishev
Sea “x” una variable aleatoria de con media µ y desviación estándar . Entonces para cualquier
número positivo k, la probabilidad de que un valor de “x” se encuentre en el intervalo
es al menos 1-1/k2. Es decir,
Un ejemplo de este importante teorema está dado por el problema siguiente.
EJEMPLO 74
Suponga que “x” es una variable aleatoria con media µ= 100 y desviación estándar
a)
Encuentre la conclusión que se pueda derivar de la desigualdad de Chebishev para k=2
Por tanto se puede concluir que la probabilidad de “X” se encuentra entre 90 y 110 y es por lo
menos ¾.
MODELOS COMUNES DE PROBABILIDAD PARA VARIABLES ALEATORIAS DISCRETAS.
ESTAS SON:
1.- Distribución de Bernoulli
2.- Distribución Binomial
3.- Distribución Geométrica
4.- Distribución Binomial negativa o Pascal
95
5.- Distribución Hipergeométrica
6.- Distribución de Poisson
1.- DISTRIBUCIÓN DE BERNOULLI
Consiste en una sola prueba en la cual se tiene éxito o fracaso, el valor de “x” toma valor de “0”
cuando fracasa y valor de “1” cuando es éxito. Como se trata de un experimento aleatorio se tiene
que la probabilidad de éxito se representa con la letra “p”, mientras que Q=1-P representa la
probabilidad de que no ocurra el suceso, es decir probabilidad de fracaso.
Características:
1.- Se tiene éxito o fracaso.
2.- La probabilidad de éxito “p” permanece constante y la probabilidad de fracaso es q= 1-p.
3.- Se realiza una única vez el experimento.
4.- La variable x es el número de éxitos que se tiene al realizar el experimento y toma valores de 0
y 1.
EJEMPLO 75
Se lanza un dado y se considera éxito que caiga el número 2.
a) Determinar la distribución de probabilidades
b) Calcular la media y la varianza
a)
x P(x) xP(x) x2P(x)
0 5/6 0 0
1 1/6 1/6 1/6
1 1/6 1/6
b)
⇒
⇒ ∑
96
EJEMPLO 76
Se selecciona al azar un artículo y se define “x” como el número de artículos no defectuosos
seleccionados. Si la probabilidad de seleccionar un artículo defectuoso es del 2% encontrar:
a) Distribución de la probabilidad
b) Calcular la media y la desviación estándar
a)
x P(x)
0 0.02
1 0.98
b)
⇒
2.- DISTRIBUCION BINOMIAL
Un experimento binomial es aquel que tiene las siguientes características:
1.- El experimento consta de “n” pruebas idénticas.
2.- Cada prueba tiene 2 resultados posibles. Éxito (E) o fracaso (F).
3.- La probabilidad de éxito, en una sola prueba es igual a “p” y permanece constante en cada
evento. La probabilidad de fracaso también no varía de una prueba a otra y la representamos con
“q”:
4.- Las pruebas son independientes.
5.- La variable aleatoria bajo estudio es “x”, el número de éxitos observados en la “n” pruebas.
FORMULAS:
Valor esperado = E(x) = np
⇒
⇒
97
EJEMPLO 77
La probabilidad de que cierta clase de componente pase con éxito una determinado prueba de
impacto es de 0.7, si se someten 4 componentes a esta prueba.
a) Encuentre la distribución de probabilidad para x, número de componentes que pasan con
éxito, la prueba de impacto.
EEEE 4 FEEE 3
EEEF 3 FEEF 2
EEFE 3 FEFE 2
EEFF 2 FEFF 1
EFEE 3 FFEE 2
EFEF 2 FFEF 1
EFFE 2 FFFE 1
EFFF 1 FFFF 0
x P(x)
0 0.0081 0 0
1 0.0756 0.0756 0.0756
2 0.2646 0.5292 1.0584
3 0.416 1.2348 3.744
4 0.241 0.964 3.856
1 2.8 8.734
98
b) Calcule la media y la varianza.
EJEMPLO 78
La probabilidad de que un porcentaje se recupere de una rara enfermedad de la sangre es 0.4, si
se sabe que 15 personas han contraído esta enfermedad. Cuál es la probabilidad de que:
a) Al menos 10 personas sobrevivan
b) Sobrevivan entre 3 y 8 personas
99
c) Sobrevivan al menos 5 personas exactamente
d) Determinar el valor esperado que pueden recuperarse de la enfermedad
=15*.04=6
e) Calcular la desviación estándar
EJEMPLO 79
Un ingeniero de seguridad afirma que un décimo de los accidentes automovilísticos se debe a la
fatiga del conductor, calcule la probabilidad de que por lo menos 3 de los 15 accidentes se deba a
la fatiga del conductor.
b) Calcular la media o número esperado de accidentes de los 15 que se deba a la fatiga del
conductor y la desviación estándar.
a) p(cuando menos de 3 de 15)
q=0.9
n=10
b)
=15*.01=1.5
100
3.- DISTRIBUCIÓN GEOMÉTRICA
Si repetidos intentos independientes pueden resultar en un éxito con una probabilidad “p” y en un
fracaso con una probabilidad “q=1-p”, entonces “x”, es el número de intentos en el cual ocurre el
primer éxito:
x= # del intento en el cual ocurre el primer éxito.
X
1 E p
2 FE qp
3 FFE q2p
4 FFFE q3p
⇒
.
⇒
.
⇒
.
n FFF...FE qn-1
p
EJEMPLO 80
La probabilidad de que un estudiante apruebe el examen escrito para obtener su licencia de piloto
privado es de 0.7. Encuentre la probabilidad de que una persona apruebe el examen.
a) En el tercer intento
b) Antes del cuarto intento
c) Después del tercer intento
d) Determinar el número esperado de eventos que tiene que hacer para obtener su licencia de
piloto privado
e) Determinar la desviación estándar
a)
p= 0.7
101
q= 0.3
P (3) = (0.3)2 * (0.7) = 0.063
b)
P(x<4) = 0.7+ 0.3*0.7 + 0.063
P(x<4) = 0.973
c) P(X>3)=
P(x>3)= 1- 0.973= 0.027
d)
µ= 1/0.7= 1.4286
e)
EJEMPLO 81
Un examen de opción múltiple consta de 8 preguntas y 3 respuestas a cada pregunta.
Un ingeniero en seguridad de automóviles afirma que uno de los accidentes se debe a la fatiga del
conductor, determinar:
a) La probabilidad de que el quinto accidente se debe a la fatiga del conductor
b) Calcular la probabilidad de que el primer accidente que se deba a la falla del conductor, sea
encontrado después del 4to accidente
a)
P (x=5)
102
P (5) = 0.94*(0.1)
P (5) = 0.06561
b)
P(x>4) = 0.94= 0.6561
4.- DISTRIBUCION DE PASCAL
CARACTERISTICAS:
1.- El experimento consiste en una serie de ensayos Bernoulli independientes y cada uno de los
ensayo con una probabilidad “p” de éxito y “q” de fracaso.
2.- Los ensayos se observan hasta obtener exactamente r-éxitos
3.- La variable aleatoria “x” es el número de ensayos necesarios para lograr r-éxitos.
⇒
⇒
⇒
EJEMPLO 82
Se sabe que el 10% de los empleados de una industria padecen de una enfermedad
degenerativa. Para el estudio de la enfermedad se requiere de 3 paciente que tengan la
enfermedad por lo que se analiza al azar a los empleados, hasta tener a los 3 pacientes que den
positivo en el análisis. Encontrar la probabilidad de que:
a) Se tenga que analizar exactamente 5 empleados para tener a los 3 con la enfermedad
p=0.1
q=0.9
b) Se tenga que hacer más de 7 análisis.
103
c) Se tengan que hacer tres análisis exactamente.
d) Calcular la media e interpretar su resultado
Se requiere analizar 30 empleados para encontrar a los empleados que tengan la
enfermedad
e) Calcular la desviación estándar.
EJEMPLO 83
Las fibras de algodón usadas en los propulsores de cohetes son sometidos a un de nitración el
cual permite que las fibras de algodón entren en solución. Este proceso tiene efectividad de 90%.
En cuanto a que el material producido pueda conformarse según se requiera en una etapa anterior
del proceso con probabilidad de 0.9 ¿Cuál es la probabilidad de que se produzca exactamente 20
lotes para obtener el tercer lote defectuoso?
q=0.9
p=0.1
104
5.- DISTRIBUCIÓN HIPERGEOMÉTRICA
Propiedades
1.-El experimento consiste en extraer una muestra aleatoria de tamaño “n” sin reemplazo de un
conjunto de “N” objetos.
2.- De los “N” objetos “k” posee el rasgo de interés mientras que los otros “N-k” objetos restantes
no la tienen.
3.- La variable aleatoria “x”; es el número de objetos en la muestra que posee el rasgo de interés.
⇒
⇒
⇒
EJEMPLO 84
Una fundidora embarca bloques de motor en lotes de 20 unidades, ningún proceso de manifactura
es perfecto, de modo que los bloques defectuosos son inevitables. Sin embargo, es necesario
destruirlos para identificar el defecto. Así pues, sería imposible someter a prueba cada bloque, se
selecciona y prueba 3 unidades, antes de aceptar un lote. Suponga que un lote dado, en realidad
incluye 5 unidades defectuosas. Sea x el número de unidades defectuosas muestreadas.
a) Encuentre la distribución de probabilidad
b) Calcule la media y la varianza
20 unidades= N
Selecciona 3 unidades= n
5 defectuosas
x= # unidades defectuosas
105
DISTRIBUCION DE PROBABILIDAD
x P(x)
0 0.3991
1 0.4605
2 0.1316
3 0.0087
b)
EJEMPLO 85
Como parte de un estudio de la contaminación del aire, un inspector decide examinar la emisión
de gases de 6 de los 24 camiones de carga de una compañía. Si 4 de los camiones de la
compañía emite cantidades excesiva de contaminantes.
a) Cual es la probabilidad de que ninguno de ellos sea incluido en la muestra del inspector
b) Cual es la probabilidad de que cuando mucho 2 sean incluido en la muestra del inspector
106
c) Por lo menos uno sea incluido en la muestra del inspector
6.- DISTRIBUCIÓN DE POISSON
CARACTERISTICAS
1- “X” se define como el número de resultados que ocurren en un intervalo con región
específicamente es independiente del número que ocurre en cualquier otro intervalo o región.
2.- La probabilidad de que ocurra un solo resultado durante un intervalo muy corto o una región
pequeña es proporcional a la longitud o al tamaño de la región.
Promedio ⇒
⇒
EJEMPLO 86
En promedio en cierto crucero ocurren 3 accidentes de tráfico por mes, cual es la probabilidad de
que en este crucero...
a) Sucedan 5 accidentes durante un mes
b) Ocurren menos de 3 accidentes en un mes
107
c) Al menos 2 accidentes en un período de 3 meses
EJEMPLO 87
Si la probabilidad es de 0.005 de que una persona cualquiera que asiste en un desfile en un día
muy caluroso de verano sufra insolación. ¿Cuál es la probabilidad de que 18 de las 3000 personas
que asisten al desfile sufran insolación?
a) Binomial
P(x) = px qn-x
P(18) =
exacto
b) Poisson
aproximado (error de 10 000 ésima)
EJEMPLO 88
Según registros, la probabilidad de que un auto falle mientras pasa por cierto túnel es de
0.0094. Obtener la probabilidad de que entre 2000 autor que pasan por el túnel cuando
mucho uno falle.
108
EJEMPLOS COMPLEMENTARIOS DE LA UNIDAD 3
EJEMPLO 89
Si la probabilidad es de 0.005 de que una persona cualquiera que asiste en un desfile en un día
muy caluroso de verano sufra insolación, cual es la probabilidad de que 18, de las 3000 personas
que asisten al desfile sufra insolación.
Distribución binomial
p=0.005
18 de las 3000... k=18
Valor exacto
Se puede utilizar la distribución de poisson
EJEMPLO 90
En una prueba de tortura se enciende y apaga un interruptor eléctrico hasta que este falla. Si la
probabilidad es de 0.001 de que el interruptor falle en cualquier momento de que esté encendido o
apagado, cual es la probabilidad de que el interruptor no falle durante las primeras 800 veces que
se enciende o apague.
Distribución geométrica
109
x= 801 q=0.001
p=0999 P(x)= qx-1p= 0.001800*0.999= 0
EJEMPLO 91
Según registros, la probabilidad de que un automóvil falle mientras pasa por cierto túnel es de
0.0094.
a) Obtener la probabilidad de que entre 2000 automóviles que pasan por el túnel cuando mucho 1
falle.
EJEMPLO 92
Un agente de seguros vende pólizas a 5 personas de la misma edad y que disfrutan de buena
salud, según las tablas actuales, la probabilidad de que una persona en estas condiciones viva 30
años o más es (2/3). Calcular la probabilidad de que transcurriendo 30 años, vivan:
a) Las 5 personas.
b) Al menos 3 personas.
c) Exactamente 2 personas.
a)
P=2/3 n=5 personas
q=1/3 x=5
b)
P(x ≥3)= P(3)+P(4)+P(5)=1- [P(0)+P(1)+P(2)]
P(3)= (2/3)3+(1/5)2=0.3292+0.3292+0.1317
110
e n
P(3)= (101)(8/27)(1/9)=0.7901
P(3)=0.3292
P(4)= (2/3)4 (1/3)1
P(4)= 5(16/81) (1/3)
P(4)=0.3292
c)
P(2)= (2/3)2+(1/3)3
= (10)(4/9) (1/27)
= 0.1646
EJEMPLO 93
En un cierto proceso de manufactura se sabe que 4 de cada 100 piezas están defectuosa.
a) ¿Cuál es la probabilidad de que la 5 pieza inspeccionada sea la primera defectuosa.
b) ¿Cuántas piezas se piensa probar para encontrar la primera defectuosa?
c) ¿Cuál es el valor de la varianza?
p=(0.04)
q=0.96
a) P(5)=(0.96)4(0.04) =0.0340
b) μ =
=25
c)
EJEMPLO 94
De un lote de 10 proyectiles, 4 se seleccionaron al azar y se dispararon. Si el lote contiene 3
proyectiles defectuosos que no explotaron. ¿Cuál es la probabilidad de:
a) Los 4 exploten.
b) Al menos 2 no exploten.
N=10
N=4
3 no explotan
7 explotan
a)
=
=0.1667
b) P(2)+P(3)+P(4)
P(2)=
=
=0.3
111
=
=
0.0333
N=24
n=6
K=4
a)
=
=0.1379
b)
P(0)+P(1)+P(2)
=
=
0.3819
=
=
0.3410
EJEMPLO 95
Suponga que la probabilidad de que una persona determinada crea una historia acerca de los
atentados a una famosa actriz es de 0.8 ¿Cuál es la probabilidad de: ?
a) La sexta persona escucha tal historia, sea la cuarta que la crea.
b) La tercer persona que escucha tal historia sea la primera en creerla.
c) Calcular la media o el número de personas a los que se les tiene que contar la historia
para encontrar a la cuarta que lo crea y encontrar la varianza.
p= 0-8 q= 0.2 P(x,r)=
pr qx-r
a)
b)
c)
2=
=
=
=
= 1.25
EJEMPLO 96
A un niño se le hace que pegue 3 letreros en 3 figuras de animales y se define x como el número
de correspondencias correctas.
A) Distribución de probabilidad
112
Animales: pato, elefante, mariposa
X
PEM 3
PME 1
EPM 1
EMP 0
MPE 0
MEP 1
EJEMPLO 97
La distribución de probabilidad de x, el número de defectos por cada 10m de una tela sintética en
rollos continuas de ancho uniforme, es:
x P(x) P1Acf(x) xP(x)
0 0.41 0.41 0
1 0.37 0.78 0.37
2 0.16 0.94 0.32
3 0.05 0.99 0.15
4 0.01 1 0.07 M= 0.88
A) Dibujar histograma y ojiva.
B) Calcular media, mediana y moda.
X P(X)
0 2/6
1 3/6
3 1
113
b) M=Exp(x) = Ex
Ex = valor esperado de x
M= 0.88
La mediana se encuentra en el 0.50 o la mitad de la distribucion.
0 – 0.41
Md --- 0.50
1 – 0.78 por lo tanto Md= 0.2432
Mo = 0 TIENE MAYOR PROBABILIDAD
EJEMPLO 98
Sea W una variable aleatoria que da el número de caras menos el de cruces en 4 lanzamientos de
una moneda.
A) Encuentre la distribución de probabilidad
B) Calcule media, mediana y moda.
W= # caras - # cruces
S= 24= 16
114
CCCC 4-0 4
CCCX 3-1 2
CCXC 3-1 2
CCXX 2-2 0
CXCC 3-1 2
CXCX 2-2 0
CXXC 2-2 0
CXXX 1-3 -2
XCCC 3-1 2
XCCX 2-2 0
XCXC 2-2 0
XCXX 1-3 -2
XXCC 2-2 0
XXCX 1-3 -2
XXXC 1-3 -2
XXXX -4 -4
M= EwP(w) = 0
-2 ----- 0.3125
Md ---- 0.5
0 ----- 0.6875
(Md + 2) / 2 = (0.5 – 0.3125) / 0.6875 – 0.3125
Md= -1 Mo= 0
VALOR ESPERADO O ESPERANZA MATEMATICA
E(x)= variable aleatoria discreta
E(x)=
variable aleatoria continua
EJEMPLO 99
Se tiene que asignar 2 contratos aleatoriamente a una o más empresas (I, II, III) cualquier
empresa puede recibir más de un contrato, si cada contrato produce una ganancia de $90,000
para cada empresa calcule:
a) ganancia para la empresa I
b) si las empresas I y II pertenecen al mismo propietario ¿Cuál sería la ganancia esperada
total del dueño?
W P(W) Wp(W)
-4 1/16 -0.25
-2 4/16 -0.5
0 6/16 0
2 4/16 0.5
4 1/16 0.25
115
x p(x) X p(x)
0 4/9 0
90,000 4/9 40,000
180,000 1/9 20,000 1 60,000
EJEMPLO 100
Un tazón contiene 5 fichas que no puede distinguirse una de otra. 3 de las fichas están marcadas
con $2 y las restantes con $6. Se sacan del tazón 2 fichas al azar sin remplazo y se paga el valor
de la suma indicado en las 2 fichas si el costo por su valor es de $5.60 ¿es justo el juego?
S= (5) (4)=20 =10
3 fichas-$2
2 fichas- $6
Por lo tanto si conviene
EJEMPLO 101
y p(y) y p(y)
0 1/9 0
90,000 4/9 40,000
180,000 4/9 80,000 1 1200,000
x P(x) X p(x)
-1.6 3/10 -.48
2.4 6/10 1.44
6.4 1/10 0.64
1 1.6
116
Un piloto privado desea asegurar su avión por 50,000 dólares, la compañía aseguradora estima
una pérdida total que puede ocurrir con una probabilidad total de 0.002 un 50% de pérdida con
una probabilidad de 0.01 y 25% de pérdida con una probabilidad de 0.1, ignorando todas las otras
perdidas ¿Qué prima debería cobrar la compañía aseguradora para tener una utilidad promedio
de 500 dólares?
C = prima por pagar
E=c- 1600
C- 1600=500
C=500+1600
C=2100
Exámenes
2° EXAMEN PARCIAL UNIDAD 3
PROBABILIDAD Y ESTADISTICA
EJEMPLO 102
1.- Cinco pelotas numeradas 1, 2, 3, 4 y 5 se encuentran en una urna. Se sacan 2 pelotas al azar
de las cinco y se anotan sus números. Encuentre la distribución de probabilidad para la suma de
los dos números seleccionados:
Perdida total
0.002
50% 0.01
25% 0.1
X P(x) X p(x)
-50000 + c 0.002 -100+0.002c
-25000 +c 0.01 -250+0.01c
-12500 + c 0.1 -1250+0.1c
c 1-0.1-0.01-0.002=0.888
0.888c
E=c-1600
1 2 3 4 5
117
EJEMPLO 103
2.- Un vendedor de equipo pesado puede entrevistar a uno o dos clientes diariamente con una
probabilidad de 1/3 y 2/3 respectiva
mente. Cada entrevista tendrá como resultado una no venta o una venta de $50,000 con
probabilidades de 0.9 y 0.1 respectivamente. Obtenga la distribución de probabilidad para las
ventas diarias. Encuentre la media y la desviación estándar de las ventas diarias.
0 0.84 0 0
50000 0.1533 7665 383250000
100000 0.0067 670 67000000
12 13 14 15
23 24 25 34
35 45
X P(x)
3
4
5
6
7
8
9
118
EJEMPLO 104
3.- Sea x una variable aleatoria con una función de densidad dada por:
o.2 -1<x≤0
F(x)= 0.2 + cx -0<x≤1
0 en cualquier otro punto
a) Determinar el valor de c.
EJEMPLO 105
4.- La proporción de personas que contestan una cierta encuesta enviada por correo es una
variable aleatoria continua x que tiene la función de densidad.
0<x<1
F(x)=
0 en cualquier otro caso
a) Calcular el coeficiente de simetría.
119
2° EXAMEN PARCIAL UNIDAD 3
PROBABILIDAD Y ESTADISTICA
EJEMPLO 106
1.- Sea x una variable aleatoria con la siguiente función de distribución:
a) Obtener la función de densidad.
b) Calcular P (0≤x≤0.5).
EJEMPLO 107
2.-Un cliente potencial paga una póliza de seguro por $20000 tiene una casa en un área que, de
acuerdo con la experiencia, puede sufrir una pérdida total en un año con una probabilidad de
0.001 y una pérdida del 50% con una probabilidad de 0.01. ¿Qué prima tendrá que cobrar la CIA
de seguros por una póliza anual, para salir a mano con todas las pólizas de $20000 de este tipo,
ignoramos las otras perdidas.
120
x P(x) xP(x)
-20000+c 0.001 -20+0.001c
-10000+c 0.01 -100+0.01c
c 0.989 0.989c
= -120+c
-120+c=0
c=120
EJEMPLO 108
3.- La distribución de probabilidad de x, el número de efectos por cada 10 metros de una tela
sintética en rollos continuos de ancho uniforme es:
x 0 1 2 3 4
f(x) 0.41 0.37 0.16 0.05 0.01
a) Dibuje la dist. Acumulada de x
x f(x) F(x) xf(x) X2f(x)
0 0.41 0.41 0 0
1 0.37 0.78 0.37 0.37
2 0.16 0.94 0.32 0.64
3 0.05 0.99 0.15 0.45
4 0.01 1 0.04 0.16
=0.88 =1.62
121
b) Calcule la moda, mediana y coeficiente de variación.
2° EXAMEN PARCIA UNIDAD 3
PROBABILIDAD Y ESTADISTICA
EJEMPLO 109
1.-
a) Encuentre la distribución de probabilidad para el número de discos de jazz cuando 4 discos se
seleccionan al azar de una colección que consiste de 5 discos de jazz, 2 de música clásica y 3 de
polka
b) Represente gráficamente la Dist. De probabilidad acumulada.
0
0.2
0.4
0.6
0.8
1
1.2
0 1 2 3 4
Distribucion acumulada de x
122
0
0.2
0.4
0.6
0.8
1
1.2
0 1 2 3 4
n=4
5 jazz
2 clásica
x=num. jazz
3 polka =10
P(x) x P(x) PAc(x)
5/210 0 0.0238 0.0238
50/210 1 0.2381 0.2619
100/210 2 0.4762 0.7381
50/210 3 0.2381 0.9762
5/210 4 0.0238 1
EJEMPLO 110
2.- La demanda semanal de soda gaseosa, en miles de litros, de una cadena local de tiendas es
una variable aleatoria continua g(x)=x2+x-2, donde x tiene la función de densidad:
Encuentre el valor esperado y la varianza de g(x) =x2+x-2.
EJEMPLO 111
123
3.- Para trasladarme al trabajo, primero debo abordad un autobús cerca de casa y luego
transbordar otro. Si el tiempo de espera (en minutos) en cada parada uniforme con A=0 y B=5,
entonces tiempo total de espera y tiene la función de densidad de probabilidad.
a) Determinar la distribución de probabilidad acumulada F(x).
b) ¿Cuál es la probabilidad de que el tiempo total sea a lo sumo 8 min?
c) ¿Cuál es la probabilidad de que el tiempo total de espera sea menos de 2 min ó más de 6
min?
124
UNIDAD IV: Distribuciones de probabilidad de variable aleatoria
continúa.
La función es una función de densidad de probabilidad para la variable aleatoria continua
definida en el conjunto de los números reales si:
1) ; para todo x R
2)
3)
La distribución acumulada de una variable aleatoria continúa con una función de densidad
es:
; para
La media de una variable aleatoria continúa.
La varianza =
EJEMPLO 112
El número total de horas que se miden en unidades de 100hrs. Que una familia utiliza una
aspiradora durante 1 año es una variable aleatoria continua que contiene la función de
densidad:
a) Graficar la función de densidad. b) Determinar la distribución acumulada y representarla gráficamente. c) Encuentre la probabilidad que una familia utilice la aspiradora durante 1 año:
c.1) menos de 120hrs.
c.2) entre 50 y 100hrs.
d) Calcular la media y la varianza para la variable aleatoria x.
125
Solución:
a)
b)
0
0.2
0.4
0.6
0.8
1
1.2
0 0.5 1 1.5 2
f(x)
X
X f(x)
0 0
0.5 0.5
1 1
1.5 0.5
2 0
126
c)
c.1)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.5 1 1.5 2
F(x)
X
f(x)=x f(x)=2-x
0
0.2
0.4
0.6
0.8
1
1.2
0 0.5 1 1.5 2
f(x)
X
1.2
A1
X F(x)
0 0
0.5 (0.5)2/2= 0.125
1 (1)2/2= 0.5
1.5 2(1.5)-(1.5)2/2-1=0.875
2 2(2)-(2)2/2-1= 1
=0.68
127
d)
Media.
Varianza.
Si:
Sustituyendo
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
0 0.5 1 1.5 2
f(x)
X
A2
A3
128
EJEMPLO 113
Suponga que tiene la función de densidad
a) Encuentre el valor de “C” que hace de f(x) una función de densidad de probabilidad. b) Encuentre . c) Obtener F(x) y representar la grafica. d) Calcular coeficiente de simetría y de Kurtosis ( )
Solución:
a)
Si
Entonces tenemos que:
b)
c)
129
d)
Si
Sustituyendo:
Sustituimos en:
Distribución asimétrica con sesgo negativo.
Para
Sustituyendo:
Ahora sustituyendo en .
0
0.2
0.4
0.6
0.8
1
0 0.5 1 1.5 2
F(x)
X
X F(x)
0 0
0.5 (0.5)2/4=0.0625
1 (1)2/4=0.25
1.5 (1.5)2/4=0.5625
2 1
130
Distribución Platocurtica.
Variable aleatoria continúa.
EJEMPLO 114 Sea
a) Calcular el valor de la constante b) Calcular
Solución.
A.
B.
EJEMPLO 115
Sea X con función de densidad
para . Su función de distribución está dada
por:
Obtenga el de esta distribución.
Solución
131
Función de densidad de variable a aleatoria continua y momentos. EJEMPLO 116 Supóngase que el error en la temperatura de reacción, en °C para un experimento de laboratorio
controlado es una variable aleatoria continua que tiene la función de densidad de probabilidad:
a) Verifique que sea una función de densidad b) Encuentre
Solución: A)
Por lo tanto, si es una función de densidad
B)
EJEMPLO 117
Considere la siguiente función de densidad
a) Calcule el valor de que hace de una función de densidad de probabilidad b) Calcule y utilícela para calcular c) Calcule los primeros 3 momentos con respecto al origen.
Solución.
A)
132
B)
C)
MODELOS COMUNES DE DISTRIBUCIÓN VARIABLE.
ALEATORIAS CONTINUAS.
1) Distribución Uniforme 2) Distribución Exponencial 3) Distribución Normal
DISTRIBUCIÓN UNIFORME O DISTRIBUCIÓN RECTANGULAR.
La función de densidad forma un rectángulo con base y altura constante
. Como
resultado, la distribución uniforme se le conoce también como distribución rectangular.
133
Media
Varianza
EJEMPLO 118
El tiempo de 1 viaje (ida y vuelta) de los camiones que transporta el concreto hacia una obra de
construcción en una carreta está distribuida uniformemente en un intervalo de 50 a 70 minutos.
a) Cuál es la probabilidad de que la duración del viaje sea mayor de 65 min
b) Cuál es la probabilidad de que la duración del viaje este entre 52 y 68 minutos
c) Calcular la media y la desviación estándar.
134
EJEMPLO 119
Suponga que una sala de conferencia grande se puede reservar no más de 4 horas. Sin embargo,
el uso de la sala de conferencias es tal que muy a menudo tienen conferencias largas y cortas. De
hecho se puede suponer que la duración de una conferencia tiene una distribución uniforme de
(0,4)
a) ¿Cuál es la función de densidad? b) ¿Cuál es la probabilidad que una conferencia dure al menos 3.2 horas?
Solución.
a)
b)
EJEMPLO 120 El precio medio del litro de gasolina durante el próximo año se estima que puede oscilar entre 140
y 160 pesetas. Podría ser, por tanto, de 143 pesetas o de 143.4 pesetas, o de 143.45 pesetas, o
de 143.455 pesetas, etc. Hay infinitas posibilidades, todas ellas con la misma probabilidad.
Su función de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto del
intervalo, viene definida por:
Dónde:
Encuentre el precio esperado de la gasolina para el siguiente año.
Solución.
Por lo tanto, el valor esperado de la gasolina para el siguiente año es de 150 pesetas.
135
EJEMPLO 121
La variación de la profundidad de un rio de un día al otro, medida en 10, en un sitio especifico en
una variable aleatoria , con la siguiente función de densidad:
a) Obtener el valor de K. b) Obtener la función de distribución para . c) Calcular . d) La .
Solución.
a)
b)
c)
d)
-3 -2 -1 0 1 2 3
f(x)
X
136
EJEMPLO 122
El volumen de precipitaciones estimado para el próximo año en la ciudad de Sevilla oscilará entre
400 y 500 litros por metro cuadrado. Calcular la función de distribución y la precipitación media
esperada.
Solución.
Entonces:
Mientras, el valor esperado:
DISTRIBUCIÓN EXPONENCIAL.
EJEMPLO 123
Se puede modelar las magnitudes sísmicas registradas (Según la escala de Richter), en una
región mediante una distribución exponencial con medial igual a 2.4 Obtenga:
a) La probabilidad de que la magnitud de un sismo en esta región sea mayor de 3 µ=2.4=β
137
b) Carga entre 2 y 3
EJEMPLO 124
Suponga que el tiempo de respuesta por el tiempo transcurrido entre el final de la petición de un
usuario y el comienzo de la respuesta al sistema a esa petición. Tiene una distribución
exponencial con tiempo de respuesta esperado igual a 5 segundos.
a) Determinar la probabilidad de que el tiempo de respuesta esperado sea a la suma 10 segundos µ=5=β
b) Esté entre 5 y entre 10
DISTRIBUCIÓN NORMAL O CAMPANA DE GAUSS.
138
Estandarización de la curva normal
Z= valores estandarizados
Con z=-1.96
Caso I
139
Caso II
Caso III
140
141
Caso IV
Caso V
142
EJEMPLO 125
En un proceso fotográfico el tiempo de revelado de las copias es una variable aleatoria cuya
distribución normal tiene una media de 16.285 y una desviación estándar de 0.12
Calcular la posibilidad
a) De que una copia tarde en revelarse entre 16 y 16.5 segundos µ=16.285
σ=0.12
De tablas si p(x)=0.0087
De tablas si p(x)=0.9633
b) Al menos 16.2 segundos
c) A lo más 16.35 segundos
d) Para qué valor la probabilidad de que pase el tiempo que se tarde en revelar una de las copias
es de 0.95.
De tablas buscando un valor que se aproxime a 0.05 se tienen 2 valores
Z1=-1.64
Z2=-1.65
143
EJEMPLO 126
Investigadores reportan que aproximadamente 75% de las personas creen que los tranquilizantes
funcionan muy bien. De las siguientes 80 personas, Cuál es la probabilidad de...
a) Al menos 50 son de la misma opinión
Para tomar el valor de 50 se escoge 49.5 ya que es variable discreta
49.5 – 50 - 50.5
De la tabla se toma el valor de 0.0034
b) Cuando mucho 66 Para tomar el valor de 66 se escoge 66.5 ya que es variable discreta
65.5 – 60 - 66.5
De la tabla se toma el valor de 0.9535
Aproximación de la Distribución Normal a la Binomial.
Se tiene una buena aproximación cuando:
EJEMPLO 127
En una ciudad el 20% de las personas prefieren un teléfono blanco que cualquier otro color ¿Cuál
es la probabilidad de que en los siguiente 1000 teléfonos que se instalan en la ciudad
a) Entre 170 y 180 incluyendo sean blancos
144
Para tomar el valor de 170 se escoge 169.5 ya que es variable discreta y para tomar el
valor de 185 se escoge 185.5
De la tabla se toma el valor de 0.008
De la tabla se toma el valor de 0.1251
b) Al menos 210 pero no más de 225 sean blancos
Para tomar el valor de 210 se escoge 209.5 ya que es variable discreta y para tomar el
valor de 185 se escoge 225.5.
De la tabla se toma el valor de 0.7734
De la tabla se toma el valor de 0.9783
145
Distribución de probabilidad normal y normal estándar.
EJEMPLO 128 Una población normal tiene una media de 80 y una desviación estándar de 14.
a) Calcule la probabilidad de un valor localizado entre 75 y 90 b) Calcule la probabilidad de un valor de 75 o menor c) Calcule la probabilidad de un valor localizado entre 55 y 70
Solución. A.
Z Probabilidad acumulada
-0.36 0.3594
0.71 0.7611
B.
Z Probabilidad acumulada
-0.36 0.3594
C.
146
Z Probabilidad acumulada
-1.79 0.0367
-0.71 0.2389
EJEMPLO 129
Se supone que los resultados de un examen siguen una distribución normal con media 78 y
desviación típica 36.
¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga una calificación
superior a 72%?
Solución.
147
Distribución de probabilidad beta.
Media
Varianza
Nota:
EJEMPLO 130 En un proyecto se sabe que el camino crítico está formado por 100 actividades, tal que la duración
de cada una de ellas es aleatoria y sigue una distribución beta extendida de parámetros y
; el tiempo optimista es de tres días, mientras que el pesimista se retrasa a 13 días.
Calcular
a) Duración media del proyecto b) Desviación típica de la duración del proyecto c) Probabilidad de que el proyecto se termine antes de 520 días
Solución. Sea la duración de una actividad, y , es decir, la duración total del
proyecto.
A.
B.
Luego
148
C.
Como la variable es suma de variables aleatorias independientes idénticamente distribuidas,
aplicando el teorema central del límite tenemos:
EJEMPLO 131
Si la proporción anual de declaraciones muestra errores en el departamento de contribuciones
puede considerarse como una variable aleatoria que tiene una distribución beta con .
¿Cuál es la probabilidad de que en un año determinado menos del 10% de las declaraciones sean
erróneas?
Solución.
149
Distribución Gamma.
La variable aleatoria continua tiene una distribución gamma, con parámetros , su función
de densidad esta dada por:
Media
Varianza
Nota:
EJEMPLO 132 Suponga que llegan llamadas telefónicas a un conmutador en particular y que siguen el proceso
de Poisson con un promedio de 5 llamadas por minuto. ¿Cuál es la probabilidad de que pase
hasta 1 minuto antes de que lleguen 2 llamadas?
Solución. El proceso de Poisson corresponde al tiempo hasta que 2 eventos de Poisson que sigue una
distribución gamma con
y . Sea la variable aleatoria X el tiempo que transcurre antes
de que entren 2 llamadas. La probabilidad requerida es:
150
Distribución Weibull.
La variable aleatoria continua tiene una distribución de Weibull, con parámetros , su
función de densidad esta dada por:
Media
Varianza
EJEMPLO 133
Suponga que la vida útil de cierta clase de batería (en hrs.) es la variable aleatoria que tiene una
distribución con . Calcular:
a) La vida útil promedio de esta batería.
b) La varianza.
c) Probabilidad de que la batería dure más de 300hrs.
Solución.
a)
b)
c)
151
EJEMPLO 134
El tiempo de falla (en horas) del cojinete de una flecha está modelado de tal manera satisfactoria
por una variable aleatoria Weibull con
y horas. Calcúlese el tiempo promedio de
falla. Determine la probabilidad de que el cojinete dure al menos 6000 horas.
Solución.
Ahora:
152
Variables aleatorias continuas conjuntas. EJEMPLO 141 Sean y dos variables aleatorias conjuntas con función de densidad
a) Calcular el valor de para el cual es función de densidad
b) Obtener la probabilidad c) Calcular la probabilidad
Solución. A.
B.
C.
153
EJEMPLO 142 Sean y las proporciones de dos sustancias distintas que se encuentran en una muestra de
una mezcla de reactivos que se usa como insecticida. Supóngase que y tienen una
densidad de probabilidad conjunta representada por:
a) Calcular
b) Calcular
Solución.
A.
154
B.
Funciones de densidad para variables aleatorias continuas conjuntas y momentos.
EJEMPLO 143 Simbolice con X la cantidad de tiempo de préstamo para un libro, disponible durante 2 horas en la
biblioteca de la universidad, solicitado por un estudiante seleccionado al azar, y suponga que X
tiene función de densidad:
Hallar:
a) b) c)
Solución.
155
A.
B.
C.
156
EJEMPLO 144 Considere la siguiente función de densidad de probabilidad de la variable aleatoria X
Hallar:
a) Obtener el valor de para que sea una función de densidad de probabilidad X legítima
b) Obtener la función de distribución acumulada c) Calcular la siguiente probabilidad d) Obtener la esperanza, la varianza y la desviación típica de X
Solución. A.
B.
157
C.
D.
Para la varianza:
158
Funciones de variables aleatorias.
EJEMPLO 148 Hallar la función de distribución de la variable aleatoria X que tiene por función de densidad:
Solución.
Entonces: