CAPITULO OCHO. MEDIDAS DE ASIMETRA Y CURTOSIS.

En las distribuciones que toman la forma de una curva normal, nos interesa obtener dos medidas, adicionales a las de tendencia central y dispersin. Estas medidas son las de asimetra y la de curtosis. Antes de estudiar estas medidas, nos detendremos en el concepto y clculo de los momentos, ya que los mismos nos servirn para calcular una medida de asimetra y una de curtosis. MOMENTOS. El concepto de momentos tiene su origen en la mecnica. Hay tres tipos de momentos: los potenciales, las factoriales y los exponenciales. En este curso nos interesaremos nicamente por los potenciales. En el momento de orden k con respecto a un valor A se define como la suma de las potencias de grado k de las diferencias de los trminos con respecto a A, (X A). La definicin anterior corresponde al momento absoluto; el momento relativo es igual al absoluto dividido entre el nmero de trminos, o sea que es el promedio aritmtico de las potencias de grado k de las diferencias de los trminos con respecto a A. Las formulas siguientes nos expresan lo anterior: Momento absoluto de orden k respecto al valor A, es una serie simple.

Momento absoluto de orden k respecto al valor A, en una seria agrupada.

Momento relativo de orden k respecto al valor A, en una serie simple.

Momento relativo de orden k respecto al valor A, en una serie agrupada.

Momentos centrados.
Si lo tomamos como punto de referencia el promedio aritmtico para los momentos relativos (A =x), entonces tendremos los momentos centrados,

que los representaremos con la letra griega m.

Las formulas para los momentos centrados son: Momento centrado de orden k, para una serie de datos simple.

k =
Momento centrado de orden k, para una serie de datos agrupados.

k =

Ejemplos: 1. Cul es el momento centrado, cuando k = 0, k = 1 y k = 2? a) K= 0 Solucin:

0 =

= 1

0 =

= 1

Respuesta: el momento centrado de orden cero es igual a uno. b) K = 1? Solucin:

1 =

= 0

1 =

= 0

Respuesta: el primer momento relativo respecto al promedio aritmtico es siempre cero, porque la suma de las desviaciones con respecto al promedio aritmtico, (X =x), es nula

c) K = 2? Solucin:

2 =

= s = varianza

2 =

= s = varianza

Respuesta: el Segundo momento es igual a la varianza 2. Determinar en una serie simple de datos seis momentos, desde k = 0 hasta K = 5. (x = 5) x 2 3 6 9 20 (x 5) -3 -2 1 4 (x 5) 9 4 1 16 30 (x 5) -27 -8 1 64 30 (x 5) 4 81 16 1 256 354 (x 5)5 -243 -32 1 1024 750

0 = 1 2 = 30/4 = 7.5 4 = 354/4 = 88.5

1= 0 3 = 30/4 = 7.5 5 = 750/4 = 187.5

3. Con los salarios quincenales de la empresa Jomex, determina dos momentos, para k=2 y k=3.
x Salarios
350-399 400-449 450-499 500-549 550-599 600-649 650-699 700-749 750-799

= 542
(x- 542)
-4699421.90 -1622234.40 -307546.88 -5359.38 34328.13 561515.63 2326203.10 6078390.60 12568078.00

X
374.5 424.5 474.5 524.5 574.5 624.5 674.5 724.5 774.5 8 6 12 18 9 20 3 2 2

(x 542)
-167.5 -117.5 -67.5 -17.5 32.5 82.5 132.5 182.5 232.5

(x- 542)
28056.25 13806.25 4556.25 306.25 1056.25 6806.25 17556.25 33306.25 54056.25

(x- 542)
224450.00 82837.50 54675.00 5512.50 9506.25 13125.00 52668.75 66612.50 1081125.00 740500.00

(x- 542)
-37595375.00 -9733406.30 -3690562.50 -96468.84 308953.17 11230313.00 6978609.40 12156781.00 25136156.00 4694999.93

f =

80

2 =

= 9256.25

3 =

= 58,687.5

EJERCICIO No. 1 1. Determina en la siguiente serie de datos simples cinco momentos, desde k=1 hasta k=5.

x
13 16 18 21 24 2. Calcula los momentos dos y tres del inciso 1 del ejercicio No.4 del captulo 7, pagina 126. 3. Calcula los momentos dos, tres y cuatro del inciso 1, del ejercicio No. 5 del captulo 7, pgina 128.

CALCULO DE LOS COEFICIENTES 1 Y 2

Con base en los momentos del segundo al cuarto, calculados con respecto a la media aritmtica, podemos calcular dos parmetros que nos sern de utilidad, para calcular las medidas de asimetra y de curtosis. Los dos parmetros los podemos definir con las frmulas:

1 =

2 =

Ejemplo: En el caso de la distribucin de los salarios mensuales de la empresa, del ejemplo No. 3 de los momentos tenemos:

1 =

= 4.3 x 10 -

Ejercicio No. 2
1. Calcula 1 y 2 con los resultados del inciso 2 de los ejemplos de los momentos. 2. Calcula 1 y 2 con los resultados del inciso 1 del ejercicio No. 1 de este captulo. 3. Calcula 1 y 2 con los resultados del inciso 2 del ejercicio No.1 de este captulo. 4. Calcula 1 con los resultados del inciso 3 del ejercicio No. 1 de este captulo.

MEDIDAS DE ASIMETRA.
Sesgo. El sesgo es el grado de asimetra o falta de asimetra, de una distribucin. Si el polgono de frecuencias suavizado de una distribucin tiene una cola ms larga a la derecha del mximo central que a la izquierda, se dice que la distribucin est sesgada a la derecha o que tiene sesgo positivo (asimetra positiva) y si es al contrario se dice que tiene sesgo negativo (asimetra negativa). Grficamente los tipos de curva son:

Normal

Asimetra Positiva

Asimetra Negativa

Las medidas de asimetra son: 1. Sk = x Mo. Esta es la ms simple, es la diferencia entre la media aritmtica y la moda. 2. Sk = 3 (x Md). Es el equivalente de la anterior, cuando la curva es moderadamente asimtrica. Las medidas anteriores son en trminos absolutos, por lo que para compararlos lo haremos en trminos relativos, dividiendo las dos frmulas entre la desviacin estndar correspondiente, as: Sk = x Mo S Sk = 3 (x Md) S

Estas medidas se conocen como primero y Segundo coeficientes de sesgo de Pearson, respectivamente. Vamos entonces que, si la asimetra es positiva el signo ser ms y si es negativa, es signo ser menos. NOTA: Sk viene de la palabra inglesa Skewness, que significa asimetra. Se le conoce como el coeficiente de asimetra de Pearson. Una medida que tiene la ventaja de oscilar entre -1 y +1 es: Sk = (Q3 Md) - (Md Q1) (Q3 Md) + (Md Q1) En la que podemos observer que la simetra resulta de dividir la diferencia de las desviaciones de los cuatriles con respecto a la mediana entre la suma de dichas desviaciones. Para muchas curvas moderadamente asimtricas, la asimetra segn la formula (x Mo) puede calcular tambin con la frmula, basa en los parmetros 1 y 2 S Sk =

Ejemplo: Calcular la asimetra, de acuerdo con las frmulas mencionadas, en la distribucin de salario mensual de 80 trabajadores de la empresa Jomex que se encuentra en la pgina 143. a) Segn la frmula x Mo, tendremos: Si Mo = 599.5 + 50 = 599.5 + 19.50 = 619.00

Sk = 542 619.00 = 77.00 en trminos absolutos.

b) Segn la frmula 3 (x Mo), tendremos: Si Md = 499.5 + (40 26/18) 50 = 499.5 + 38.89 = 538.39. Sk = 3 (542 538.39) = 3 x 3.61 = 10.83

c) Segn la frmula (x Mo) tendremos: S Sk = 542 619.00 / 96.21 = 0.80, Sk = 80% en trminos relativos porque. S= = = 96.21

d) Segn la frmula 3 (x Mo) tambin llamado coeficiente de asimetra de person. S Sk = 3 (542 538.39) / 96.21 = 10.83 / 96.21 = 0.11 Sk = 11% en trminos relativos. Observemos que la asimetra es positiva.

Ejercicio No. 3.
1. Calcular Sk utilizando la frmula basada en los cuartiles y en los parmetros, de la distribucin de la empresa Jomex, que se encuentra en la pgina 143. Observa que los resultados obtenidos difieren, por lo que es necesario cuando se calcula saber que frmula se utiliz para medir la asimetra, con el propsito de usar la misma cuando se vayan a hacer comparaciones vlidas. 2. Si en una distribucin la media es igual a 5.45, la mediana es igual a 5.61 y la desviacin estndar es igual a 0.74. Cul es el coeficiente de sesgo de Pearson? 3. Con los punteos de la prueba objetiva de Matemticas de 4 Bachillerato que aparecen en la distribucin del inciso 1 del ejercicio No. 1 del captulo 6 pgina 115. a) Determina cuatro momentos para k=1, k=2, k=3 y k=4. b) Calcula los coeficientes 1 y 2 c) Calcula la asimetra utilizando todas las frmulas.

4. Con la distribucin de frecuencias de la cantidad de defectos que puede poseer un producto. x 5-10 10-25 15-20 20-25 25-30 30-35 F 1 6 12 16 18 10

a) Determina tres momentos para k=2, k=3 y k=4. b) Calcula los coeficientes 1 y 2 c) Calcula la asimetra, utilizando todas las frmulas. 5. Calcular la asimetra con los datos del inciso 2 del ejercicio No.1 del captulo 6, pgina 115.

CURTOSIS.
La curtosis es la agudeza de la curva normal, esta agudeza puede ser alta, baja o intermedia dando lugar a diferentes tipos de curvas: leptocrticas, platicrticas y mesocrticas. Ejemplo: Apuntada o leptocrtica

Normal o mesocrticas

Achatada o platicrtica.

Es una medida de altura de la curva y est dada por el cuarto momento respecto a la media, dividida por la varianza elevada al cuadrado. Para calcular la curtosis se utiliza el parmetro 2. Si el valor de dicho parmetro es 3, se considera que la curva es mesocrtica, si es mayor que 3, la curva es leptoctica y si es menor que 3 la curva es platicrtica.

Las frmulas son: 2 = M4 M2 2

=

M4 S4

Otra medida de curtosis que se puede emplear, est basada en los cuartiles y percentiles y est dada por la frmula: K= Q P90 P10 Donde Q = (Q3 Q1) es el rango semiintercuartlico, tambin se le conoce con el nombre de coeficiente de curtosis percentlico. Ejemplo: Calculemos el grado de apuntamiento en la siguiente distribucin, si la media aritmtica es igual a 5.62 y S = 6.71. Solucin: x 2 4 6 8 10 f 4 5 6 3 3 21 (x-5.62) -3.62 -1.62 0.38 2.38 4.38 (x-5.62) 13.10 2.62 0.14 5.66 19.18 (x-5.62) -47.44 -4.25 0.05 13.48 84.03 (x-5.62)4 171.73 6.89 0.02 32.09 368.04 f(x-5.62)4 686.92 34.45 0.12 96.27 1104.12 1921.88

4 = 1921.88 = 91.52 21 como S = 6.71 entonces s4 = (6.71) = 45.02

Sustituyendo 2 = M4 S4 2 = 91.52 = 2.03 45.02 Como 2.03 < 3 la curva ser achatada o platicrtica

Ejercicio No. 4 PRIMERA SERIE. Calcula el grado de apuntamiento de: 1) Los punteos obtenidos por 25 alumnos en una prueba de Estadstica que fue calificada con una ponderacin de 1 a 10 puntos. X 3 5 7 9 F 1 6 12 6

2) El ejemplo de la desviacin estndar de una serie de datos simples que aparece en la pagina 129. 3) El inciso 2 del ejercicio No. 3 de este captulo. 4) El inciso 2 del ejercicio No. 3 del captulo 7, pgina 125. 5) El inciso 3 del ejercicio No. 9 del captulo 5, pgina 105. Segunda Serie. Halla el coeficiente de curtosis si m4 = 199.38 y m2 = 8.53

PRUEBA OBJETIVA.
Nombre: _________________________________________________________ Fecha: ______________________________ PRIMERIA SERIE Responde las preguntas siguientes en los espacios en blanco. 1) Qu tipos de momentos existen? __________________________________________________________________ __________________________________________________________________ 2) Qu es el sesgo? __________________________________________________________________ __________________________________________________________________ Punteo: ________________

3) Cules son los tipos de curvas? __________________________________________________________________ __________________________________________________________________ 4) Qu es la curtosis? __________________________________________________________________ __________________________________________________________________ 5) A qu tipo de curvas da lugar el resultado de la curtosis? __________________________________________________________________ __________________________________________________________________ SEGUNDA SERIE Resuelve los problemas siguientes. 1. Con la distribucin de frecuencias de las velocidades en km/ h de 56 automviles que se muestras en la siguiente tabla, junto con los valores de varias mediciones calculadas a partir de esta medicin. SALARIOS 70-79 90-99 100-109 110-119 120-129 130-139 f 3 16 17 5 3 1
x

= 99.11

Md= 98.75 S= 13.04 Q1 = 90.00 Q3 = 107.06

Calcula: a) La curtosis. b) El coeficiente de asimetra de Pearson. c) Qu tipo de curva es?

2. Si es una distribucin la media es igual a 2000, la media es igual a 1800 y la desviacin estndar es igual a 642.91. Cul es el coeficiente de asimetra de Pearson?

3. Calcula es una serie simple de datos cuatro momentos des k=1 hasta k=4. X 3 4 5 7 8
4. Calcula 1 y 2 con los resultados del problema anterior.

5. Calcula el grado de apuntamiento de la siguiente distribucin, si la media es

igual a 2000 y la desviacin estndar es igual a 642.91

SALARIOS 1200 1400 1600 1800 2200 2400 2500 3000 4000

f 4 2 4 5 4 3 2 2 1

CAPITULO NUEVE. DISTRIBUCIN NORMAL ESTNDAR. Es la ms importante en Estadstica, porque la mayora de los procedimientos se basan en esta distribucin. Su grfica es una curva acampanada que se extiende a lo largo del eje x. CURVA DE DISTRIBUCIN NORMAL ESTNDAR. En el siglo XVIII los jugadores profesionales se interesaron por las posibilidades que tenan de ganar lo juegos de azar, por lo que pidieron ayuda a algunos matemticos. De Moivre (1773) fue el primero en obtener la ecuacin de la curva normal. A principios del siglo XIX Gauss y Laplace ampliaron el desarrollo del concepto de la curva y el de la probabilidad. Actualmente la curva se conoce tambin como curva de error, curva de campana o curva DeMoivre. La altura mxima de la curva est en la media. Es asinttica porque las colas de la curva nunca tocan la lnea de base sino que se prolongan indefinidamente en uno y otro sentido. El rasgo ms importante de la curva normal es su simetra, ya que si doblamos la curva en su punto ms alto al centro, crearamos dos mitades iguales. Es unimodal, porque solo tiene un punto de mxima frecuencia. Su forma es:

100%

rea bajo la curva normal

El parea bajo la curva normal. Para emplear la curva normal en la resolucin de los problemas, tenemos que familiarizarnos con el rea bajo la curva normal: es el rea que est entre la curva y la lnea base que contiene el 100 porciento a todos los casos en una distribucin normal dada.

Podemos encerrar una porcin de esta rea total dibujando lneas a partir de dos puntos cualesquiera en la lnea base hasta la curva. Se puede usar la media como punto de partida, dibujando una lnea en la media y otra en el punto que est de 1 DE (una distancia sigma o una desviacin estndar muestral) sobre la media. Por lo que podemos decir que una proporcin constante del rea total bajo la curva normal estar entre la media y cualquier distancia dada de X, mediada en unidades DE. As el rea bajo la curva normal entre la media y el punto 1 DE arriba de la media incluye siempre el 34.13% del total de los casos, independientemente del valor de media y de la DE, de la distribucin en particular y se aplica a todos los datos normales distribuidos, as estemos estudiando la distribucin de estatura, inteligencia, orientacin poltica, etc. El requisito bsico, en cualquier caso es que trabajemos con una distribucin normal de puntajes. El porcentaje del rea total bajo la curva normal entre la media y el punto uno de desviacin estndar arriba de la media, est representado por:

+ 1s

Propiedades de la distribucin normal estndar. La naturaleza simtrica de la curva normal nos lleva a otra importante conclusin: Cualquier distancia sigma dada arriba de la media contiene una proporcin idntica de casos que la misma sigma por debajo de la media. As, si el 34.13% del rea total est entre la media y 1 DE por debajo de la x, entonces el 34.13% del rea total est entre la media y 1 DE por debajo de la x; si el 47.72% est entre la media y 2 DE por arriba de la x, entonces el 47.72% est entre la media y 2 DE por debajo de la x; si el 49.87% est entre la media y 3 DE por arriba de la x, entonces el 49.87 est tambin entre la media y 3 DE por debajo de la x.

En otras palabras, como ilustra en la grfica el 68.26% del rea total de la curva normal (34.13% + 34.13%) caen entre -1s y +1s de la media; el 95.44% del rea (47.72% + 47.72%) caen entre -2s y +2s de la media; el 99.74% o casi todos lo casos (49.87% + 49.87%) caen entre -3s y +3s de la media. Puede decirse, entonces que 6 DE incluyen prcticamente todos los casos (ms del 99%) bajo cualquier distribucin normal. Ejemplo. En la cura el eje Y divide la curva en dos partes iguales. El rea la curva a la derecha del 0 es igual al parea bajo la curva a la izquierda e igual a 0.5; es decir que el 50% de los casos estn a cada lado del eje Y. Y

Z -3 -2 -1 0 1 2 3

El porcentaje del rea total bajo la curva normal entre -1s y +1s, -2s y +2s y -3s y +3s esta representado por: Y

x-3s

x-2s

x-1s

x 68.26% 95.44% 99.74%

x+1s

x+2s

x+3s

Sintetizando los datos anteriores tenemos:

34% 34%

13.5%

13.5%

2.5%

2.5%

x-3s

x-2s

x -s

x+s

x+2s

x+3s

Puntajes z: -3 -2 -1

Uso de la tabla de reas bajo la curva normal. Al estudiar la distribucin normal slo hemos analizado aquellas distancias de la media que son mltiplos exactos de la desviacin estndar. O sea las De 1, 2 0 3 ya sea por arriba o por debajo de la media. Pero necesitamos conocer tambin el porcentaje de los casos para las distancias entre dos ordenadas cualesquiera. Para determinar el nmero de desviaciones estndar que hay entre un valor dado y la media. Utilizaremos la calificacin o puntaje estndar (z) que es el cociente entre la desviacin de una calificacin respecto a la media aritmtica y la desviacin estndar. La que estar por arriba por la media si z es positivo y por debajo si z es negativo. Dado un conjunto de datos que se distribuyen en forma normal, con media x y desviacin estndar s, convertimos el dato X en dato Z, mediante la frmula: Z= X - x S = desviacin respecto a la media desviacin estndar. Si X > x, z es positivo. Si X > x, z = 0 Si X > x, z es negativo. El valor que corresponde a un valor X mide la distancia que hay entre la media y el valor X, esa distancia se mide de desviaciones estndar. Ejemplo: 1. SI x= 72 y S=10, entonces la distancia que hay entre 72 y 87 es de 1.5 desviaciones estndar a la derecha de la media, ya que: Z= 87 72 = 15 = 1.5 10 10

2. Si x= 30 y S = 8, entre 30 y 54 se encuentra el 49.87%, ya que la distancia entre 30 y 54 es de tres desviaciones estndar. Z = 54 - 30 = 24 = 3 8 8

Los porcentajes determinados de 0.3413, 0.4772 y 0.4987 por 100 correspondientes a los valores z = 1, z = 2 y z = 3, han sido obtenidos de la tabla de reas bajo la curva normal (tabla No.1) en esta tabla se encuentran los diferentes porcentajes que corresponden a los valores de z. TABLA 1 REAS DE UNA DISTRIBUCIN NORMAL ORDINARIA. Cada cantidad de la taba es la proporcin bajo la curva que se encuentra entre z=0 y un valor positivo de z. Las reas para valores negativos de z se obtienen por simetra.

Z
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3

0
0 0.0398 0.0793 0.1179 0.1554 0.1915 0.2257 0.258 0.2881 0.3759 0.3413 0.3643 0.3849 0.4032 0.4192 0.4332 0.4452 0.4554 0.4641 0.4713 0.4772 0.4821 0.4861 0.4893 0.4918 0.4938 0.4953 0.4965 0.4974 0.4981 0.4987

0.01
0.004 0.0488 0.0832 0.1217 0.1591 0.195 0.2291 0.2611 0.291 0.3186 0.3438 0.3665 0.3869 0.4049 0.4207 0.4345 0.4463 0.4564 0.4649 0.4719 0.4778 0.4826 0.4864 0.4806 0.492 0.494 0.4955 0.4966 0.4975 0.4982 0.4987

0.02
0.008 0.0478 0.0871 0.1255 0.1628 0.1984 0.2324 0.2642 0.2939 0.3212 0.3461 0.3686 0.3888 0.4066 0.4222 0.4357 0.4471 0.4573 0.4656 0.4726 0.4783 0.483 0.4868 0.4898 0.4922 0.4941 0.4956 0.4967 0.4976 0.4982 0.4987

0.03
0.012 0.0517 0.091 0.1293 0.1664 0.2019 0.2357 0.2673 0.2967 0.3238 0.3485 0.3708 0.3907 0.4082 0.4236 0.437 0.4484 0.4582 0.4664 0.4732 0.4788 0.4834 0.4871 0.4901 0.4925 0.4943 0.4957 0.4968 0.4977 0.4983 0.4988

0.04
0.016 0.0557 0.0948 0.1331 0.17 0.2054 0.2389 0.2703 0.2995 0.3264 0.3508 0.3729 0.3925 0.4099 0.4251 0.4382 0.4495 0.4591 0.4671 0.4738 0.4793 0.4838 0.4875 0.4904 0.4927 0.4945 0.4959 0.4969 0.4977 0.4984 0.4988

0.05
0.0199 0.0596 0.0987 0.1368 0.1736 0.2088 0.2422 0.2734 0.3023 0.3289 0.3531 0.374 0.3944 0.4115 0.4265 0.4394 0.4505 0.4599 0.4678 0.4744 0.4798 0.4842 0.4878 0.4906 0.4929 0.4946 0.496 0.497 0.4978 0.4984 0.4989

0.06
0.0239 0.0636 0.1026 0.1406 0.1772 0.2123 0.2454 0.2764 0.3051 0.3315 0.3554 0.377 0.3962 0.4131 0.4279 0.4406 0.4515 0.4608 0.4686 0.475 0.4803 0.4846 0.4881 0.4909 0.4931 0.4948 0.4961 0.4971 0.4979 0.4965 0.4989

0.07
0.0279 0.0675 0.1064 0.1443 0.1808 0.2157 0.2486 0.2794 0.3078 0.334 0.3577 0.379 0.398 0.4147 0.4292 0.4418 0.4525 0.4616 0.4693 0.4756 0.4808 0.485 0.4884 0.4911 0.4932 0.4949 0.4962 0.4972 0.4979 0.4985 0.4989

0.08
0.0319 0.0714 0.1103 0.148 0.1844 0.219 0.2517 0.2823 0.3106 0.3365 0.3599 0.381 0.3997 0.4162 0.4306 0.4429 0.4535 0.4625 0.4699 0.4761 0.4812 0.4854 0.4887 0.4913 0.4934 0.4951 0.4963 0.4973 0.498 0.4986 0.499

0.09
0.0359 0.0753 0.1141 0.1517 0.1879 0.2224 0.2549 0.2852 0.3133 0.3389 0.3621 0.383 0.4015 0.4177 0.4319 0.4441 0.4545 0.4633 0.4706 0.4767 0.4317 0.4857 0.489 0.4916 0.4963 0.4952 0.4964 0.4974 0.4981 0.4986 0.499

Ejercicio No. 1.
Encuentra los porcentajes que corresponden a los valores siguientes de z, utilizando la tabla No.1. a) Z = 1.1 __________________ C) Z= 2.4 __________________ e) Z = 3.07_________________ g) Z = 0.89 _________________ i) Z= 1.93 __________________ b) Z = 1.63 ________________ d) Z = 2.963 ________________ f) Z = 0.12 _________________ h) Z= 1.46 _________________ j) Z = 2.75 _________________

En general el porcentaje de datos que se encuentran entre la X y la x + zs es el mismo que se da entre la x Zs y la x. Ejemplo: Z = 22 -18 = 0.89 4.5 Z= 14 18 = 0.89 4.5

Lo que significa que tanto 22 como 14 tienen la misma distancia en desviaciones estndar (0.89), a la media 18, el primero por arriba de la media y el segundo por debajo de ella. 2) Para el conjunto de datos de las notas del curso de Estadstica en donde la x= 72.20 y s = 4.51, pgina 130. a) Qu porcentaje de los 51 son valores comprendidos entre 72.20 y 77? Procedimiento: 1 Se calcula z Z = 77 72.2 = 1.06 4.51 2 Se busca en la tabla No. 1 el porcentaje que corresponde a z = 1.06 y observamos que corresponde a 0.3554. Por lo tanto el 35.54% de los 51 datos son valores comprendidos entre 72.2 y 77. Como el 35.54% de 51 es de 0.3554 x 51=18, entonces alrededor de 18 datos son valores entre 72.2 y 77 b) Qu porcentaje de los datos son valores comprendidos entre 68 y 72.2? Procedimiento: 1 Calculamos Z Z = 68 72.2 = 0.93 4.51

2 Se busca en la tabla 1 el porcentaje que corresponde a z = -0.93, el cual es el mismo que corresponde a 0.93 y observamos que corresponde a 32.38, por lo tanto el 32.38% de los 51 datos son valores comprendidos entre 68 y 72.2. Cmo el 32.38% de 51 es 0.3238 x 51 = 17, entonces alrededor de 17 datos son valores entre 68 y 72.2. c) Qu porcentaje de los datos son mayores que 72.2? En una distribucin normal arriba y debajo de la media se encuentra el 50% del total de los datos. Por consiguiente el 50% de los datos son valores mayores a 72.2 d) Qu porcentaje de los datos son mayores que 78? Procedimiento: 1. Convertiremos 78 en dato z. Z = 78 72.2 = 1.29 4.51 2 Localizamos z en la tabla No. 1 y observamos que el porcentaje que le corresponde a z = 1.29 es de 40.15% y ste es el porcentaje de valores entre la media y 78. 3 Como arriba de la media existe el 50% de los valores y como entre la media y 78, est el 40% entonces la diferencia de estos porcentajes es el porcentaje de datos mayores que 78. Por lo que, el 9.85% son valores mayores que 78 porque 50 40.15 = 9.85. 3. Halla el rea bajo la curva normal a la izquierda de z = 0.84, si en la siguiente grfica se muestra el rea sombreada correspondiente. Procedimiento: En la tabla No. 1 se tiene: rea desde z = 0 hasta z = 0.84 = 0.2995 rea a la izquierda de z = 0 Suman las reas = 0.5000 = 0.7995 Z 0 0.84 Y

4. Halla el rea bajo la curva de distribucin normal entre z = 1.3 y z = 2.3, si en la siguiente grfica se muestra el rea sombreada correspondiente. Procedimiento: En la tabla No.1 se tiene: Desde z = 0 hasta z = 2.3, rea bajo la curva = 0.4893 Desde z = 0 hasta z = 1.3, rea bajo la curva = 0.4032 Diferencia entre las reas Y = 0.0861

Z 0 1.3 2.3

Respuesta: el rea es igual a 0.0861

EJERCICIO No. 2
1. Halla el rea bajo la curva normal a la izquierda de z = 0.93, si en la siguiente grfica se muestra el rea sombreada correspondiente. Y

-0.93

2. En un examen la media aritmtica de las calificaciones es 68 y la desviacin estndar 17. Halla el porcentaje de los alumnos que obtuvieron calificaciones entre 81 y 85 3. El dato x = 38 pertenece a un conjunto de datos que se distribuyen en forma normal con x = 70 y s = 15. Convierte el dato x a dato z 4. Un conjunto de datos que se distribuye en forma normal tiene una x = 65 y una s= 10. Si entre la media y un valor x se encuentra el 27.34 del total de datos. Halla el valor de x. 5. Para el conjunto de datos del inciso 1 del ejercicio No.6 captulo 7, pgina 132. a) Qu porcentaje de las 70 puntuaciones estn comprendidas entre la media y 5? b) Qu porcentaje de las puntuaciones son mayores que 7? c) Qu porcentaje de las puntuaciones son menores que 6? 6. Encuentra la calificacin o porcentaje estndar para: a) 92 y b) 72 con respecto a una muestra de punteos de un examen con una media de 74.2 y una desviacin estndar de 11.5 7. Una muestra tiene una media de 120 y una desviacin estndar de 20. Cul es el valor de x que corresponde a las siguientes calificaciones estndar? a) Z = 0 b) Z = 1.2 c) Z = 1.4 d) Z = 2.05

PRUEBA OBJETIVA. Nombre: __________________________________________________________ Fecha: __________________________________ Punteo: _________________ PRIMERA SERIE Responde las preguntas siguientes en los espacios en blanco. 1. Qu hizo DeMoivre? ____________________________________________________________ ____________________________________________________________ 2. Qu nombres recibe la curva normal? ____________________________________________________________ ____________________________________________________________ 3. Por qu es asinttica la curva normal? ____________________________________________________________ ___________________________________________________________ 4. Qu porcentaje contiene el rea que est entre la curva y la lnea base? ____________________________________________________________ ____________________________________________________________ 5. Qu es la calificacin estndar? ____________________________________________________________ ___________________________________________________________ SEGUNDA SERIE. Resuelve los problemas siguientes. 1. El rea entre 0 y z es 0.2422, halla z. 2. Halla es rea de bajo de la curva de distribucin normal entre: a) Z = 0.09 y z = 2.21 b) Z = 1.41 y z = 2.53 c) Z = 0.7 y z = 1.41. 3. Qu porcentajes corresponden a los siguientes valores de z: a) 2.08 b) 1.36 c) 0.77

4. En la siguiente distribucin de frecuencia: x F 61 3 66 4 74 8 80 12 85 8 90 8 94 9 Calcula: a) La media aritmtica. b) La desviacin estndar. Determina: a) b) c) d) Qu porcentaje de los datos est comprendido entre la media y 85? Qu porcentaje de los datos est comprendido ente 74 y la media? Qu porcentaje de los datos son mayores que la media? Qu porcentaje de los datos son mayores que 80?

5. La media del salario semanal de una empresa es de Q. 500.00 y su desviacin es de Q. 100.00 si hay 45 empleados. Cul es el porcentaje de las personas que ganan Q. 600.00? 6. Si la media es igual a 30 y la desviacin estndar es 8. Qu porcentaje de los datos se encuentran entre 30 y 46? 7. Se pas un test de inteligencia a 4oo estudiantes. Al analizarlos estadsticamente se obtuvieron los siguientes resultados:
x = 105 y s = 5

a) Qu porcentaje de estudiantes tiene coeficientes de inteligencia entre 90 y 110? b) Qu porcentaje de estudiantes obtuvieron coeficientes de ms de 110? c) Qu porcentaje de estudiantes obtuvieron coeficientes menores a 100? 8. Una muestra tiene una media de 50 y una desviacin estndar de 4. Encuentra el puntaje z para cada valor de x a) X = 56 b) x = 70 c) x = 80 d) x = 92

CAPITULO DIEZ. CORRELACIN Y ECUACIN DE REGRESIN.

En los captulos anteriores analizamos y verificamos el estudio de las distribuciones unidimensionales. El proceso que seguimos era de ordenar y concentrar la informacin en tablas, elaborando grficas y aplicando una serie de medidas buscando con esto, describir ciertas caractersticas para as tener una idea de la situacin real de un fenmeno. En este captulo haremos consideraciones respecto a distribuciones bidimensionales, o sea, estudiaremos el comportamiento de dos variables, para determinar si existe alguna relacin entre las dos. Estas dos variables deber ser analizadas simultneamente. Ejemplo de estas distribuciones son: produccin y consumo, ventas y compras, ventas y utilidades, gastos en publicidad y valor de las ventas, ingresos y gastos, etc. Las dos variables pueden ser discretas o continuas o tambin una de ellas discreta y la otra contina.

DIAGRAMA DE DISPERSIN.
El descubrimiento de la existencia de una relacin no dice mucho acerca del grado de asociacin o correlacin entre dos variables. Muchas relaciones son estadsticamente significativas; algunas expresan una correlacin perfecta o exacta. Por ejemplo: sabemos que la estatura y peso de las personas estn asociados, ya que mientras ms alta es una persona su peso tiende a aumentar. Pero hay excepciones a la regla, ya que algunas personas altas pesan muy poco y algunas personas bajas pesan demasiado. Las correlaciones varan respecto a su fuerza y se pueden visualizar diferencias en las fuerzas de la correlacin por medio de un DIAGRAMA DE DISPERSIN, que es una grfica que nos muestra la forma en que los puntajes de dos variables cualesquiera X y Y estn dispersas. As a cada elemento de una muestra de tamao N se le puede hacer corresponder un par de nmeros. Los nmeros de cada par son las medidas o valores correspondientes a determinadas caractersticas o aspectos que tienen elementos de la muestra. En la grfica de los pares ordenados de datos de dos variables que estn e un sistema de ejes coordenados.

Los pares de nmeros asociados a los N elementos de la muestra se representan por:

(X1, Y1), (X2, Y2),

(X3, Y3)

(XN, YN)

En donde x, que es la variable de entrada se grafica en el eje horizontal y la variable de salida y, se grafica en el eje vertical. Ejemplo: Si la muestra est constituida por N personas, a cada persona se le har corresponder dos nmeros: uno que mide la estatura y otro que mide el peso. As el conjunto de valores. X1, X2,XN, representan las diferentes medidas de estatura y el conjunto de valores Y1, Y2, YN, las diferentes medidas de peso. NOTA: al hacer un diagrama de dispersin, se deben establecer las escalas de modo que el rango de los valores y a lo largo del eje vertical sea igual o ms corto que el rango de los valores x a lo largo del eje horizontal. Con frecuencia se puede describir a la correlacin como positiva o negativa respecto a la direccin. Una correlacin positiva nos indicar que los entrevistados que obtienen puntajes altos sobre la variable X tambin tienden a obtener puntajes altos sobre la variable Y, los entrevistados que obtienen puntajes bajos sobre X tambin tienden a obtener puntajes bajos sobre n tienden a obtener puntajes bajos sobre Y. Cuando dos variables X y, Y se correlacionan positiva o negativamente, los puntos correspondientes a los diagramas de dispersin quedan encerrados en un vulo inclinado. Ejemplos: Y Y

X CORRELACIN POSITIVA

X CORRELACIN NEGATIVA

EJERCICIO No. 1 Haz el diagrama de dispersin: a) Cuando la variable X toma los valores 2, 3, 3, 4, 4 ,4 ,4, 5, 5, 5, 6, y 8 y la variable Y, los valores 1, 2, 3, 1, 2, 3, 4, 2, 3, 4, 3, 5 y 5. b) Cuando la variable X toma los valores 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6, 7 y 7 y la variable Y los valores 4, 5, 3, 4, 5, 2, 4, 3, 4, 2, 3, 4, 1, 2, 3, 1, 2, 3, 2 y 2 c) Con el nmero de horas de estudio, X, en comparacin con calificacin que se obtuvo en el examen, Y. X Y 2 80 5 80 1 70 4 90 2 60

Si la elipse que encierra los puntos de un diagrama de dispersin tiene el dimetro menor muy ancho, la relacin entre las dos variables es muy dbil, pero si el dimetro menos es angosto la relacin entre las dos variables ser fuerte. Podemos decir entonces, que la fuerza de la correlacin entre X y, Y aumenta a medida que los puntos de un diagrama forman al estrecharse ms una lnea recta que baja por el centro de la grfica. Ejemplos: 1. Diagrama de dispersin, segn su correlacin. Y Y

X CORRELACIN DBIL

X CORRELACIN FUERTE

X CORRELACIN DBIL Y

X CORRELACIN FUERTE

X NO HAY CORRELACIN 2. Diagramas de dispersin que representan una correlacin positiva entre la preparacin y el ingreso y una correlacin negativa entre la preparacin y el prejuicio. S 14,000 12,000 10,000 8,000 6,000

10

11

12

13

AOS DE ESTUDIO (A)

Alto S 14,000 12,000 10,000 8,000 6,000

Bajo

10

11

12

13

AOS DE ESTUDIO (A)

CORRELACIN LINEAL.
El coeficiente de correlacin lineal r es la media numrica de la intensidad de la relacin lineal entre dos variables. Se llama lineal porque representacin de Y es una recta.

COEFICIENTE DE CORRELACIN DE PEARSON (r)

Es una medida que indica la situacin relativa de los mismos sucesos respecto a las dos variables y son nmeros que estn entre los lmites +1 y -1. Para medir la relacin entre dos variables se calcula el coeficiente de correlacin lineal r mediante la expresin:

] [

En donde N es el nmero de pares de datos y el valor de r es un nmero que satisface las desigualdades: -1 r 1

El coeficiente de correlacin lo podemos interpretar de acuerdo con los siguientes casos: 1. Si r es positivo, la correlacin entre las variables es positiva. 2. Si r es negativo, la correlacin entre las variables es negativa. 3. Si r = 0, no existe relacin lineal entre las variables. 4. Si r = 1, la correlacin positiva es perfecta. 5. Si r = -1, la correlacin negativa es perfecta. 6. Si 0.90 < r < 1 -1< r< 0.90 la correlacin es excelente. 7. Si 0.80 < r < 0.90 -0.90< r< 0.80 la correlacin es aceptable. 8. Si 0.60 < r< 0.80 -0.80 < r < -0.60 la correlacin es regular. 9. Si 0.30 < r< 0.60 -0.60< r < 0.30 la correlacin es mnima. 10. Si 0 < r < 0.30 -0.30< r < 0 no hay correlacin Podemos observar, con respecto al grado de asociacin, que mientras ms cerca est de 1.00 es una u otra direccin, mayor es la fuerza de la correlacin. En vista de que la fuerza de una correlacin es independiente de su direccin, podemos decir que -0.10 y -0.10 son iguales en tanto a la fuerza (ambas son muy dbiles) y que -0.95 y +0.95 tambin tienen igual fuerza porque las dos son muy fuertes. Grficamente sera.

0 r=1

r=1

0< r > 1

La correlacin lineal perfecta ocurre cuando todos los puntos estn exactamente sobre una recta. Esta correlacin puede ser positiva o negativa, dependiendo de si crece o descrea a medida que X se incrementa.

Ejemplo: Con los siguientes datos calcularemos el coeficiente de correlacin. X 2 3 3 4 4 4 4 5 5 5 6 6 8 59 Y 1 2 3 1 2 3 4 2 3 4 3 5 5 5 X 4 9 9 16 16 16 16 25 25 25 36 36 64 297 Y 1 4 9 1 4 9 16 4 9 16 9 25 25 132 XY 2 6 9 4 8 12 16 10 15 20 18 30 40 190

Al sustituir los datos en la frmula del coeficiente, observamos que: N= 13, XY = 190, X = 59, , Y = 38, , X = 297 y , Y = 132

][

= 0.71

Si r = 0.71, Cmo es la correlacin?_______________________________

INTERPRETACIN DE UNA CORRELACIN

Para interpretar un coeficiente de correlacin hay que tener en cuenta por un lado su magnitud y por otro su signo. La magnitud se refiere al grado en que la relacin entre las dos variables queda bien descrita con r, mientras que el signo se refiere al tipo de relacin. Un coeficiente de correlacin positivo entre las variables X e Y, indica la tendencia a aumentar los valores de Y cuando aumentamos los de X y a disminuir los valores de Y cuando disminuimos los de X. Un coeficiente de correlacin negativo indica tendencia a disminuir los valores de Y cuando aumentamos los de X y a aumentar los de Y cuando disminuimos los de X. Un coeficiente de correlacin en torno a cero indica que el modelo de relacin linal entre esas variables no es vlido. Que cuando aumentamos X, Y puede indistintamente aumentar o disminuir. Por la magnitud del coeficiente de correlacin decimos que si el mdulo del coeficiente de correlacin se sita entre 0 y 0.20, entonces es insignificante, si esta entre 0.20 y 0.50 medio, entre 0.50 y 0.80 alto y a partir de 0.80 muy alto. EJERCICIO No. 2. 1. Para N = 6, XY = 3605, X = 108, Y = 195, X = 2060 y Y = 6557. Calcula el coeficiente de correlacin, comprueba que es igual a 0.59 e indica, Cmo es la correlacin? 2. Para N = 10 X = 224, Y = 89, X = 7658, Y = 1064 y XY = 2790. Calcula el coeficiente de correlacin y comprueba que es igual a 0.94. 3. El gerente de una empresa que se dedica a la venta y compra de aparatos electrnicos, considera que hay una correlacin positiva entre las ventas y las compras de cinco sucursales que tiene la empresa. Calcula el coeficiente de correlacin y determina si existe esa correlacin positiva. Ventas Compras (Millones de Q.) (Millones de Q.) 5 3 8 5 10 6 16 10 20 15

4. Seis estudiantes hacen lagartijas y sentadillas, segn las siguientes tablas. Calcula el coeficiente de correlacin. ESTUDIANTES 1 2 3 4 5 6 LAGARTIJAS SENTADILLAS 40 43 40 50 55 54 35 32 52 40 30 35 N = 8 y Y =

5. Si X = 380, Y = 914, XY = 5412, X = 23600, 1275.7. calcula el coeficiente de correlacin.

6. Comprueba si el coeficiente de correlacin de Pearson para las puntuaciones de 15 sujetos en las variables X e Y es de 0.868. X 9 12 6 9 7 9 5 9 7 3 10 6 11 4 13 F 5 5 1 4 2 2 1 3 3 1 4 2 5 2 5

Requisitos para el uso del coeficiente de correlacin de Pearson. 1. La r de Pearson es til solamente para detectar una correlacin lineal en lnea recta entre X y Y. 2. Las variables X y Y, deben medirse al nivel por intervalos de manera que se pueda asignar puntajes a los entrevistados. 3. Los miembros de la muestra deben extraerse aleatoriamente de una poblacin especfica.

REGRESIN.
La palabra se emplea para denotar el proceso de estimar el valor de una de las variables en funcin de la otra, cuyo valor se considera dado. Galton fue el primero en utilizar el trmino, es un estudio que hizo para relacionar las estaturas de padres a hijos indicando que la estatura de los hijos respecto de la de sus padres sufre una regresin a la media, es decir, que los hijos de padres con una determinada altura tienen una estatura media ms cercana a la media de la poblacin que a la de sus padres. Cuando se calcula el valor de X en funcin de Y, se habla de una regresin de 1 en 2 y se estar calculando la primera variable en funcin de la segunda. La regresin 2 en 1 ser cuando calculemos el valor para Y, si conocemos el valor de X.

Anlisis de regresin.
Consiste en predecir los valores de una variable Y conociendo los valores de otra variable X. Vimos que la fuerza de una correlacin entre X y Y aumenta a medida que los puntos del diagrama de dispersin se estrechan formando una lnea recta imaginaria. Esta lnea la podemos identificar con una lnea de regresin, lnea recta que se dibuja a travs del diagrama de dispersin. El anlisis de regresin encuentra la ecuacin recta que describe mejor la relacin entre las dos variables. La ecuacin Y = a + b X, que describe la relacin entre las variables X y Y, se llama ecuacin de regresin y su grfica recta de regresin. La recta de regresin nos permite predecir los valores de Y a partir de los de X. La pendiente b de la recta de regresin puede ser: a. Ascendente si es mayor que cero, o sea pendiente positiva. b. Descendente si es menor que cero, o sea pendiente negativa. c. Una lnea paralela a uno de los ejes si es igual a cero.

Grficamente tenemos: Y Y Y Y X Y Y

X 0 b>0 0 b<0

X 0 b=0

La ordenada al origen, corresponde a la altura de la perpendicular levantada desde el punto de origen. Al igual que b puede ser mayor, menor o igual a cero. Cuando a > 0, ser un punto por encima del origen; para a = 0, la lnea pasar por el origen; para a < 0, le corresponder a un punto por debajo del origen. Grficamente tenemos: Y Y Y

X 0 0

X 0

Graficando a Y = a + b X tenemos la figura: Y

La ecuacin de la recta est determinada por su pendiente y la ordenada al origen. La ordenada al origen y la pendiente de la recta de regresin se obtienen mediante las frmulas:

Ejemplos: 1. Con los datos del ejemplo del clculo del coeficiente de correlacin, pgina 166 determinaremos la ecuacin de regresin que describe una relacin entre las variables X y Y. Procedimiento: a) Sabemos que X = 297, Y = 38, X = 59 y (XY) = 190, por lo que al sustituir tenemos:
=

= 0.2

b) Sustituyendo en la ecuacin de regresin tenemos: Y = 1/5 + 57/95 X Y = 0.2 + 0.6 X

Si en la ecuacin Y = 0.2 + 0.6X. La sustituimos por los valores de X = 2 y X= 6, obtenemos: Y = 0.2 + 0.6 (2) = 0.2 + 1.2 = 1.4 Y = 0.2 + 0.6 (6) = 0.2 + 3.6 = 3.8.

Por lo que podemos decir que la recta de regresin pasa por los puntos (2, 1.4) y (6, 3.8). Al trazar la grfica.

2. Con los siguientes datos calcularemos la recta de regresin de Y sobre X. X 4 5 6 7 8 9 10 49 34 Y 3 3 4 6 5 7 6 371 FX 16 15 36 49 64 81 100 256 XY 12 15 24 42 40 63 60

Tenemos que: N = 7, X = 49, Y = 34, X = 371 y XY = 256. Sustituyendo: = 0.357

= 0643.

Sustituyendo en la ecuacin de regresin tenemos: Y = 0.357 + 0.643 X Si en la ecuacin Y = 0.357 + 0.643 X, sustituyes la X por los valores 6 y 8, Por qu puntos pasa la recta de regresin? Traza la grfica respectiva.

EJERCICIO No.3 1. Determina la ecuacin de regresin y traza la grfica del inciso 3 del ejercicio nmero 2 de este captulo. 2. Determina la ecuacin de regresin y traza la grfica de la siguiente tabla, que contiene los pares de valores correspondientes a dos variables X y Y. X 2 3 2 3 4 4 Y 1 2 2 3 3 5

3. Calcula el coeficiente de correlacin de Pearson para el siguiente conjunto de datos, indica si la correlacin es significativa, determina la ecuacin de regresin y traza la grfica para predecir el valor de Y para los siguientes valores de X: 10, 6 y 5. X 10 8 6 3 1 4 5 Y 2 2 4 9 10 6 5

4. Con los siguientes valores correspondientes a X y Y. X 2 4 5 6 8 11 Y 16 12 10 8 7 5

a) Calcula el coeficiente de correlacin. b) Calcula la ecuacin de regresin y traza su grfica. c) Multiplica cada valor de X de la tabla por 2 y smale 6. Multiplica cada valor de Y de la tabla por 3 y rstale 15. Halla el coeficiente de correlacin entre los dos nuevos sistemas de valores y explica que se obtiene o no, el mismo resultado que en el inciso a). 5. Con los datos de estaturas y pesos de 7 estudiantes, calcula el coeficiente de correlacin la ecuacin de regresin y traza la grfica respectiva. ESTUDIANTES 1 2 3 4 5 6 7 ESTATURA (X) 149 136 147 136 152 160 175 PESO (Y) 130 120 140 110 120 139 165

6. La tabla siguiente muestra el ingreso (en cientos de quetzales) y la edad de cinco personas.

INGRESO (Y) 20 EDAD (X) 22

26 26

30 31

34 35

38 40

a) Encuentra la correlacin lineal. b) Calcula la ecuacin de la recta.

PRUEBA OBJETIVA. Nombre: ________________________________________________________ Fecha: _________________________________________ Punteo: _________ PRIMERA SERIE. Responde las preguntas siguientes en los espacios en blanco. 1. Qu es un diagrama de dispersin? ____________________________________________________________ ____________________________________________________________ 2. Cmo puede ser la correlacin en los diagramas de dispersin? ____________________________________________________________ ____________________________________________________________ 3. Qu es la regresin y qu es el coeficiente de correlacin? ____________________________________________________________ ____________________________________________________________ 4. Cuando r = 1, r = 0 y r = -1, Cmo es la correlacin? ____________________________________________________________ ____________________________________________________________ 5. Qu es el anlisis de regresin? ____________________________________________________________ ____________________________________________________________ SEGUNDA SERIE. 1. Con los siguientes valores correspondientes a X y Y. X 4 6 8 5 9 Y 8 12 8 9 10 a) Calcula el coeficiente de correlacin. b) Calcula la ecuacin de regresin y traza su grfica.

2. Para los siguientes datos: X = 264, Y = 125, XY = 2743 N = 15, X= 5928 y Y = 1307. a) Demuestra que la ecuacin de regresin para predecir Y a partir de X es: Y = 0.84 + 0.42 X. b) Calcula el coeficiente de correlacin. 3. Determinar r y la ecuacin de regresin para las siguientes puntuaciones obtenidas en dos pruebas de aptitudes. PRUEBA 1 9 8 7 6 4 3 PRUEBA 2 8 7 9 10 8 6

4. Con los siguientes valores correspondientes a X y Y. X 3 4 5 8 Y 9 10 10 13

a) Calcula el coeficiente de correlacin. b) Calcula la ecuacin de regresin y traza su grfica. 5. Haz un diagrama de dispersin para los datos siguientes: X Y 12 8 6 9 4 8 3 11 1 5 9 3 12 7 8 11 8 9 13 9

6. Calcula la ecuacin de la recta del inciso anterior. 7. La tabla siguiente muestra el ingreso (en cientos de quetzales) y la edad de seis personas: INGRESO (Y) 24 34 48 41 35 44 EDAD (X) 23 27 35 24 26 46 a) Encuentra la correlacin lineal b) Calcula la ecuacin de la recta.

CAPITULO ONCE. PROBABILIDAD. Durante miles de aos el hombre ha predicho el resultado de acontecimientos futuros. Se predice cada vez que se juega a las cartas, a los dados o a la ruleta, Como el estudio normal, las predicciones son la base de muchas decisiones financieras y de la interpretacin de los experimentos cientficos. Los seguros de vida y contra incendios, as como las primas de jubilacin, se basan tambin en predicciones y se programan de tal manera que la compaa pueda pagar la suma fijada a cualquier cliente sin descuidar a los dems, obteniendo los fondos de los pagos del dinero del resto de los clientes. En este captulo estudiaremos la forma de determinar la probabilidad de que suceda un hecho determinado. CONCEPTO Y SIGNIFICADO ESTADSTICO DE LA PROBABILIDAD. Cuando no es posible, partiendo de un estado inicial, determinar el estado final de un fenmeno, consideremos a dicho fenmeno como aleatorio. La imposibilidad de determinar el estado final a partir de un estado inicial se debe a la actuacin de un gran nmero de factores interdependientes, que hacen imposible la prediccin de un caso particular. Al lanzar un dado por ejemplo, intervienen los siguientes factores: posicin final del dado dentro de un cubilete, fuerza con que se lanza sobre la mesa, esquina que topa primero, elasticidad de la mesa en que rebota, efectos de rotacin, etc. Por esa razn la cada de la una u otra cara del dado se consideran aleatorias. Si embargo, es probable prever los resultados que se obtendrn al repetirse los experimentos u observaciones un gran nmero de veces (en el tiempo o en el espacio). Por ejemplo si el dado est en buenas condiciones, puede predecirse que en un nmero de lanzamientos cada una de las seis caras caer aproximadamente un sexto de las veces. Enrique Casado dice: El clculo de probabilidades es la teora matemtica que sirve de modelo para la descripcin y anlisis de los fenmenos estadsticos o aleatorios. John Neter: Interpretamos la probabilidad como la frecuencia relativa a largo plazo bajo un sistema de causa constante, la que se considera como la definicin clsica de la probabilidad, determinada por:

Ejemplo: La probabilidad de sacer una reina de paquete de 52 naipes ser:

Esta definicin presenta dificultades de aplicacin fuera del juego de azar, que fue en donde se origin el clculo de probabilidades. La probabilidad tambin ha sido definida como el lmite matemtico de la frecuencia del suceso cuando el nmero de experimentos tiende al infinito o es un nmero comprendido entre cero y el uno. Un valor de uno equivale a certeza absoluta y el cero indica que no hay posibilidad de que ocurra el suceso.

ESPACIO MUESTRAL.
El conjunto de los diferentes resultados posibles de inters de un experimento aleatorio constituye el especio muestral del mismo. As, una accin o experimento tendr como resultado uno de los 2 o ms resultados posibles que el experimento puede tener. Ejemplo: 1) La accin o experimento de lanzar una moneda al aire. Al observarla como cae, podemos ver que solamente podr tener 2 resultados posibles al caer: cara o escudo. El espacio muestral que corresponde al experimento de lanzar una moneda y observar que cae es: S=

{c, e}

En donde S representa el espacio muestral, c el resultado al caer cara y e el resultado al caer escudo. 2. Al lanzar un dado y observar la cara que cae, observamos uno de los seis resultados posibles: S = {1, 2, 3, 4, 5, 6}

Un evento es un subconjunto del espacio muestral. Un evento del ejemplo anterior es el conjunto de nmeros pares: E = {2, 4, 6} Un evento simple es un subconjunto del espacio muestral que contiene un solo elemento. Esta estara representado por la aparicin de un 3, o sea E = {3}. Para el espacio muestral existen seis posibles eventos simples: {1}, {2}, {3}, {4}, {5}, y {6}, para un solo lanzamiento. EJERCICIO No. 1 1. Cul es el espacio muestral del lanzamiento de dos dados? __________________________________________________________ 2. En una encuesta de mercadeo, se pide a una ama de casa que seleccione una de tres presentaciones (x, y, z), la que parezca ms atractiva. Cul es el espacio muestral? ____________________________________________________________ 3. Una bolsa contiene cinco azules, negros, verdes y blancos. Si sacamos uno y observamos su color. Cul es el espacio muestral? Espacios de muestreo univariados y bivariados. Los espacios de muestreo en los que los resultados bsicos son con respecto a una sola caracterstica, se llaman espacios de muestreo univariados, pero si el resultado se refiere a dos caractersticas, el especio de muestreo es bivariado y se llama multivariado, si el nmero de caractersticas es mayor. El ejemplo de uviariado lo encontramos en los ejemplos del espacio muestral. Para el bivariado podemos considerar el nmero de piezas de repuesto del tio Q 1 requeridas para cada una de dos mquinas en el siguiente perodo de produccin. Suponiendo que el nmero de piezas de repuesto requerido por un mquina no es mayor que dos. El espacio de muestreo de este experimento aleatorio contiene 9 resultados bsicos, en donde X es el nmero de repuestos requeridos por la mquina No. 1 y Y el nmero requerido por la mquina No. 2 Un resultado bsico del experimento es que la mquina No. 1 requiera de repuestos (X = 2) y la mquina No.2, requiera cero repuestos ( Y = 0).

Grficamente sera. Y 0 X 1 2

DISTRIBUCIN DE PROBABILIDAD. La asignacin de probabilidades a cada uno de los resultados bsicos del espacio de muestreo se le llama distribucin de probabilidad. Es la distribucin de las probabilidades asociadas con cada uno de los valores de una variable aleatoria. Las distribuciones de probabilidades son univariadas, bivariadas, o multivariadas, segn sea el espacio de muestreo. Se usa para representar poblaciones. La suma de las probabilidades en cualquier distribucin de probabilidad es igual a 1. Ejemplo: Considerando el ejemplo de las piezas de repuesto, vamos a suponer que la distribucin de probabilidad bivariada para el experimento es el siguiente: Y 0 1 2 0 0.30 0.18 0.12 1 0.14 0.10 0.06 2 0.06 0.02 0.02

Segn la tabla anterior, observamos que la probabilidad de que X = 1 y Y = 0 es de 0.18. Este enunciado de probabilidad se escribe como P (X = 1 y Y = 0) = 0.18. Los enunciados de probabilidades que involucran la especificacin de dos o ms caractersticas, se llaman probabilidades conjuntas.

EJERCICIO No. 2 De la distribucin de probabilidad de la tabla anterior, especifique las probabilidades siguientes conjuntas: 1. P (X = 0 y Y = 1) = _________________________________ 2. P (X = 2 y Y = 2) = __________________________________ 3. P (X = 2 y Y = 0) = __________________________________ 4. P (X = 1 y Y = 1) = _________________________________ 5. P (X = 1 y Y = 2) = _________________________________

COMBINACIN DE EVENTOS. Ejemplos: 1. Si lanzamos una moneda 2 veces. La lista de los eventos posibles se incrementa, ya que debemos considerar los sucesos de ambos lanzamientos al mismo tiempo. De donde: S = {cc, ce, ec, ee} Este espacio muestral lo podemos representar tambin por medio de un diagrama arborescente, as:
C, C Cara Escudo Cara c, e

INICIO
Escudo Cara e, c Escudo e, e

CON UN LANZAMIENTO

CON DOS LANZAMIENTOS

Si agregamos un tercer lanzamiento al experimento, entonces el espacio muestral es: S = {ccc, cce, cec, cee, ecc, ece, eec, eee} Construye el diagrama arborescente para este experimento. 1. Si lanzamos 2 dados se puede dar los siguientes eventos: (1,1) (2,1) (3,1) (4,1) (5,1) (6,1) (1,2) (2,2) (3,2) (4,2) (5,2) (6,2) (1,3) (2,3) (3,3) (4,3) (5,3) (6,3) (1,4) (2,4) (3,4) (4,4) (5,4) (6,4) (1,5) (2,5) (3,4) (4,5) (5,5) (6,5) (1,6) (2,6) (3,6) (4,6) (5,6) (6,6)

Observamos que hay 36 eventos, con los que podemos formar conjuntos de parejas ordenadas en un conjunto, porque ambos dados caen con cualquiera de sus seis caras hacia arriba.

2. Si tenemos los eventos A y C. A caer caras iguales A = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)} C caer suma menor o igual que 4 C = {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (3, 1)} Podemos formar el evento A U C, constituido por los eventos que pertencen a A o a C. El evento A U C lo llamaremos evento unin de A y C. Cuando decimos que ocurre A U C, se quiere decir que ocurre A, que ocurre B o que ocurren ambos, as tenemos que A U C es: A U C = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6), (1, 2), (1, 3), (2, 1), (3, 1)}

Si realizamos el experimento al tirar los dados vemos que si ocurre el resultado (1,1), se da A U C y ocurre en A y C; si ocurre el resultado (3,3), se da A U C y ocurre A y si ocurre el resultado (1,2), se da A U C y ocurre C. Cuando ocurre A C, quiere decir que ocurren ambos A y C, de donde obtenemos el evento interseccin de A y C. As A C = {(1,1), (2,2)} Dado un evento cualquiera, existen los eventos complementarios de este evento. As para los eventos A y C, el evento complementario de A; est formado por todos los resultados que no muestran caras iguales y el complementario de C; C est constituido por los resultados cuya suma es mayor que 4. EJERCICIO No. 3 1. Con los datos del ejemplo 2: a) Escribe los siguientes eventos: E caer suma mayor o igual que 5 _________________________ F caer suma mayor que 4 _________________________ G caer suma mayor que 6 _________________________ b) Haz los siguientes eventos: E U F = __________________________ E G = __________________________ E U G = __________________________ E F = __________________________ 2. Si lanzamos una moneda 3 veces, a) Haz un diagrama de rbol que represente todos los resultados posibles. b) Cul es la probabilidad que representa el evento ocurri exactamente un evento?________________________________________________ 3. Si lanzamos una moneda 4 veces. Cul es la lista de los eventos posibles? _________________________________________________________

Probabilidad de eventos igualmente probables. Cuando realizamos un experimento creemos que un determinado evento puede ocurrir. Llamaremos PROBABILIDAD al nmero asignado a un evento que nos va a medir la creencia de que ese evento pueda ocurrir. Si tenemos la seguridad de que un evento va a ocurrir entonces la probabilidad del evento ser uno, si sabemos que el evento no va a ocurrir, su probabilidad ser cero. En otros casos, la probabilidad podr ser un nmero entre cero y uno. Simblicamente: 0 P 1 Utilizando la frmula: As, con el ejemplo de la moneda tanto el resultado cara o escudo tienen las mismas posibilidades de ocurrir; por lo cual son dos eventos igualmente probables y por lo tanto: P ( {c}) = y P ( {e}) =

Al lanzar un dado todas las caras tienen las mismas posibilidades de ocurrir, por lo tanto probables, por lo que los nmeros que le asignamos a los eventos son mayores o iguales a cero y al sumarlos nos darn la unidad. Ejemplo: Una bolsa de cincos contiene 3 azules, 4 verdes, 2 rojos y 5 negros. Si sacamos un cinco de la bolsa y observamos su color, vemos que el especio muestral asociado es: S = {a, v, r, n} Y las probabilidades asignadas: P ({a}) = 3/14, P ({v}) = 4/14 = 2/7, P ({r}) = 2/14 = 1/7 y P ({n}) = 5/14

De donde: 3/4 + 2/7 + 1/7 + 5/14 = 1 Dado un espacio muestral finito S, que contiene elementos equiprobables y un evento E, tal que E S, entonces la probabilidad del evento, P (E), es la razn n (E) a n (S).

Ejemplo: El evento la suma de las dos caras es S. El subconjunto que contiene todos los resultados posibles es: E = {(1,4), (2,3), (3,2), (4,1)} La probabilidad de obtener un nmero 5 al tirar los dados es la razn por cociente al nmero de manera en que se puede obtener un cinco entre el nmero de formas en que pueden caer los dados.

El resultado lo podemos interpretar as: La suma de las caras ser 5 una de 9 veces. EJERCICIO No. 4 1. Una bolsa de cincos contiene 6 blancos, 5 amarillos, 3 rojos y 8 negros. Qu probabilidad se le puede asignar a cada color? 2. Encuentra la probabilidad de obtener por lo menos un 10 en una sola tirada de un par de dados. 3. Encuentra la probabilidad de obtener por lo menos un 9, en una sola tirada de un par de dados. Probabilidades de eventos mutuamente exclusivos. Se dice que dos eventos E y F son mutuamente exclusivos cuando no pueden ocurrir, es decir E y F son conjuntos ajenos, E F = . Ejemplos: 1. En el conjunto de tiradas tal que se obtiene un 10 y el conjunto de tiradas tal que se obtiene un 9 no tienen elementos en comn, por lo que son conjuntos mutuamente exclusivos. Si E y F son eventos mutuamente exclusivos, P (E U F) = P(E)) + P (F). 2. Si sabemos que las probabilidades de obtener un diez, un once o un doce, son eventos mutuamente exclusivos, podemos decir que: P(10 U 11 U 12) = P(10) + P (11) + P (12) = 3/36 + 2/36 + 1/36 = 1/6

3. Encuentra la probabilidad de obtener un nmero menor que 6 en una jugada de dos dados. Solucin: La probabilidad de obtener un nmero menor que 6, es la probabilidad de obtener un 2, 3, 4 5. Como ninguno de estos resultados pueden presentarse simultneamente con otro son eventos mutuamente exclusivos y tendremos: P (2 U 3 U 4 U 5) = P (2) + P(3) + P (4) + P(5) = 1/36 + 2/36 + 3/36 + 4/36 = 10/36 = 5/18.

EJERCICIO No. 5
1. Cul es la probabilidad de obtener un nmero de 10 en una jugada de dos dados? ____________________________________________________________ 2. Cul es la probabilidad de obtener un nmero menor que 12, en una jugada de dos dados? ____________________________________________________________

Probabilidad de eventos no mutuamente exclusivos o eventos que tienen resultados en comn. Ejemplo: En una baraja de 52 cartas. Hay trece cartas de cada palo y cada uno de estos contiene tres figuras, la probabilidad de obtener espadas es P (s) = 13/52 y la probabilidad de obtener un figura es P (F) = 12/52. Si se requiere encontrar la probabilidad de obtener una figura o espadas, ser necesario encontrar P (S U F) El rey, la reina y la sota de espadas cuentan como espadas y figuras. Hay 52 eventos (las cartas de la baraja) en el espacio muestral, pero solo 22 elementos en el espacio de eventos al obtener cualquiera de las 13 espadas o cualquiera de las 9 figuras restantes correspondientes a los otros palos. Si la probabilidad de obtener espadas se suma la de obtener figuras, las espadas se contaran 2 veces.

Entonces ser necesario restar una vez la probabilidad de obtener las figuras de espadas, por lo que tenemos: P (S U F) = P (S) + P (F) - P (S F) P (S U F) = 13/52 + 12/52 - 3/52 = 22/52= 11/26 En general podemos decir que si dos eventos E y F de un espacio muestral no son mutuamente exclusivos, tenemos: P (E U F) = P (E) - P (F) - P (E F) Para tres eventos no mutuamente exclusivos, E, F y G, de un espacio muestral, tendremos: P (E U F U G) = P (E) + P (F) + P (G) P (E F) P (E G) P (F G) + P (E F G) Ejemplo: Un joyero produce 50000 aretes de estos, 720 no estn bien moldeados; 397 presentan ralladuras; 534 no tienen agarrados; 180 estn rayados y tienen defectos moldura y 70 adems de estar rayados, carecen de agarrados. Cul es la probabilidad de extraer un arete defectuoso de la caja en que estn depositados todos? Solucin: Si M representa los aretes con defecto de moldeado, R los que tienen ralladura y A los que carecen de agarrador, entonces: P (M) = 720/ 50000; P (R) = 394/ 50000; P (A) = 534/ 50000 P (M R) = 180 / 50000 Y P (R A) = 70/ 50000 Como: P (M A) = P (M R A) = 0 Por lo que: P (M U R U A) = 720/ 50000 + 397/ 50000 + 534 / 50000 180/ 50000 -70/ 50000 P (M U R U A) = 1401/ 50000

EJERCICIO No. 6 1. La lotera en un pas paga $40 si los ltimos 3 dgitos del boleto coinciden con el nmero premiado, $400 si coincide los ltimos 4 y $4000 si coinciden los ltimos 5 dgitos. La numeracin de los boletos empieza en el milln y se venden todos los boletos hasta el nmero 2, 499,999. Cul es la probabilidad de ganar $40, $400 y $4000? 2. Si se lanza una moneda, se selecciona una carta de una baraja y se nombra un color primario. Cul es la probabilidad de que la moneda caiga cara, la carta sea un corazn y el color mencionado sea un rojo?

Probabilidad de eventos independientes Se dice que dos eventos son independientes si la ocurrencia del primero no afecta la ocurrencia del segundo. Ejemplo: 1. Si se lanza una moneda y un dado, la posicin de la moneda no afectar la posicin del dado porque la moneda puede caer de dos formas y el dado de 6, por lo que existen 2 X 6 = 12 resultados posibles. 2. Cul es la probabilidad de obtener una cara y un nmero impar?

Solucin: Cara -1, cara -3 y cara -5 son los eventos posibles. Luego la probabilidad de obtener una cara y un nmero impar es P (M y D) = 3/12. Esto es porque P (M) = y P (D) = 3/6, entonces x 3/6 = 3/12 De donde podemos decir que: P (M D) = P (M) P (D) y que M y D son eventos independientes. EJERCICIO No. 7 1. Si lanza una moneda dos veces. Cul es la probabilidad de que en ambos lanzamientos caiga la moneda de cara? 2. Si se lanza una moneda y un dado, sea M el evento la moneda cae cara hacia arriba y el evento se obtiene un 6. Es P (M D) = P (M) P(D)?

Probabilidad de eventos dependientes. En este caso la probabilidad del segundo evento dependo del evento anterior. Ejemplo: 1. Si se tienen siete calcetas azules y siete blancas es una caja. Cul es la probabilidad de sacar dos calcetas azules en dos intentos consecutivos? Nota: las calcetas no se regresarn al estar fuera de la caja. Solucin: Si A es el evento calceta azul en el primer intento y B el evento calceta azul en el segundo intento Tenemos: P (A) = 7/14 = 0.50 Si se saca una calceta azul en el primer intento, solo quedaran en la caja 14 calcetas, de las cuales 6 sern azules. Por lo que P (B) = 6/13 = 0.46. As la probabilidad de obtener un par de calcetas azules en dos intentos es: P = 7/14 x 6/13 = 42/182 = 21/91 = 3/13. El mismo resultado lo podemos obtener con el siguiente procedimiento: Dos calcetas azules pueden seleccionarse de elegir dos calcetas de = 21 maneras y es posible

= 91 maneras. *Como la probabilidad de xito es el

nmero de eventos esperado entre el nmero de eventos totales, la probabilidad de obtener dos calcetas azules es de: P = 21/91 = 3/13 2. Si se seleccionan dos cartas de una baraja. Cul es la probabilidad de que ambas sean trboles? Solucin: De un conjunto de 13 trboles se pueden seleccionar 2 de maneras y es posible elegir dos cartas de un conjunto de 52 de maneras. * La probabilidad de que ambas sean trboles es de:

( )

= 78

= 1326

EJERCICIO No. 8 1. Una caja contiene 3 cincos rojos y 2 azules. Si se extraen. Cul es la probabilidad de que los dos sean rojos? 2. Nancy tiene un monedero con seis monedas de veinticinco y dos de diez centavos, Cul es la posibilidad de que al sacar dos monedas sean de veinticinco centavos? 3. Una bolsa contiene 5 pelotas y 7 rojas. Si se extraen tres pelotas. Cul es la posibilidad de que las tres sean amarillas? 4. De una baraja de 52 cartas se extraen 2, encuentra la probabilidad de que: a) Las dos cartas sean corazones. ____________________________ b) Las dos cartas sean ases. ____________________________ Probabilidad y frecuencia relativa. Si P es un evento de un espacio muestral S asociado a un experimento que puede repetirse N veces, en las mismas condiciones, tenemos que el evento P puede o no ocurrir en cada repeticin, el nmero de veces que ocurre el evento P en las N repeticiones se llama frecuencia. Al nmero que resulta de dividir las f veces que ocurre el evento P, en la N repeticiones del experimento que estamos haciendo, entre el nmero N de repeticiones se llama frecuencia relativa.

Ejemplo: En el evento P = {1, 2}; caer nmero menor que 3, del espacio muestral S = {1, 2, 3, 4, 5, 6}, que est asociado al experimento de tirar un dado, puede o no ocurrir cada vez que el dado se tire. En la siguiente tabla se muestran las frecuencias con que ocurrieron tanto P, como P al repetir el experimento 80 veces. EVENTO P F 22 58 FRECUENCIA RELATIVA 22/ 80 = 11/40 = 0.275 58/ 80 = 29/40 = 0.725

P Con las frecuencias relativas que obtuvimos en el ejemplo, podemos concluir que alrededor del 27.5% de las veces que el dado se tire ocurrir el evento P.

Concluyendo, podemos decir que la probabilidad de un evento cualquiera la podemos calcular con la frmula:

EJERCICIO No. 9 1. Con el espacio muestral S = (1, 2, 3, 4, 5, 6) y el evento A = {5, 6}, caer nmero mayor que 4. Calcula qu porcentaje de las veces que el dado se tire ocurrir el evento A? 2. Si un experimento tiene 12 posibles resultados igualmente probables. Qu probabilidad tiene cada uno de ellos? 3. La probabilidad de que ocurra un evento es 0.73. Cul es la probabilidad de que no ocurra? 4. Si se tira un dado 30 veces. Cul ser la frecuencia relativa de sus caras? 5. Jorge va resolver un examen corto de 2 preguntas, las que son de opcin mltiple y tienen 4 respuestas posibles. Como no estudi para el examen, escribe los nmeros 1, 2, 3, 4 en tiras de papel y selecciona una de estas para responder cada pregunta. Cuntas posibles respuestas podran aparecer?

Tericamente, la probabilidad de un evento A se define como:

Expresin que nos indica que la probabilidad de un evento es el lmite al cual tiende la frecuencia relativa cuando aumenta el nmero de repeticiones. Para fines prcticos el clculo de la probabilidad de un evento con la expresin P (A) = f / N, con N suficientemente grande, da buenos resultados.

PERMUTACIONES.
Una permutacin es cualquier subconjunto ordenado de un conjunto universal. Es decir, se llaman permutaciones de n elementos a los diferentes grupos que pueden hacerse tomndolos todos cada vez. Ejemplo: Sea A = {2, 3, 4, 5, 6} El subconjunto de {2, 3, 4,} es una permutacin de tres elementos del conjunto dado. El conjunto {3, 2, 4} es otra permutacin porque su orden es diferente. Las otras permutaciones que pueden obtenerse de tres elementos son: {2, 4, 3,}, {3, 4, 2}, {4, 2, 3,} y {4, 3, 2} O sea que, existen 3 X 2 X 1 = 6 permutaciones de 3 elementos considerados todos a la vez. Se representa por Pn al nmero de permutaciones posibles, en donde P n es igual al producto de los n primeros nmeros enteros, se escribe n! y se llama factorial de n. En el ejemplo anterior como eran permutaciones de 3 elementos, tenemos P3 = 3! = 3 X 2 X 1 = 6 EJERCICIO No. 10 1. Cules son las permutaciones posibles de los elementos a, b, c y d? _______________________________________________________ 2. Demuestra que el nmero de posibles permutaciones de un conjunto de diez elementos utilizndolos todos a la vez es de 3, 628,800 formas. _________________________________________________________

Principios de eventos sucesivos.

si un evento determinado puede producirse en cualquiera de A formas y una vez producido se puede producir un segundo evento en cualquiera de b formas, entonces ambos eventos puede ocurrir de AB formas.

Ejemplos: 1. Hay seis personas como candidatos a la gerencia de una organizacin, si debe escogerse un gerente y un subgerente. De cuntas formas pueden llenarse esos puestos? Solucin: La gerencia puede ser ocupada por cualquiera de las seis personas. Una vez ocupada la gerencia, la subgerencia puede ser desempeada por cualquiera de las cinco personas restantes, As: 6 x 5 = 30 formas de llenar estos puestos. 2. Un almacn tiene siete puertas regulares y cuatro de emergencia que solo pueden abrirse por dentro. De cuntas formas puede una persona entrar y salir del almacn? Solucin: Para entrar al almacn una persona puede escoger entre siete puestas. Una vez adentro puede salir por cualquiera de las once puertas. Por lo que existen 7 x 11 = 77 formas de entrar y salir de la tienda. EJERCICIO No. 11 Una tienda de regalos tiene 3 puertas regulares y dos de emergencia que solo pueden abrirse por dentro. De cuntas formas puede una persona entrar y salir de la tienda?

Si S es un conjunto y n (S) = K, entonces el nmero de permutaciones posibles utilizando todos los elementos de s a la vez es:

P (K, K) = K (K - 1) (K - 2) (K 3) 1 Las notaciones de P (K, K) se lee: permutaciones de K objetos tomados k a la vez. Ejemplos: 1. hay seis candidatos al puesto de gerente general de seis restaurantes de una firma comercial. De cuntas formas pueden ser asignados los candidatos a los seis restaurantes? P (6, 6) = 6 x 5 x 4 x 3 x 2 x 1 = 720 formas.

2. Debe asignarse a cinco hombres cinco trabajos diferentes. De cuntas formas se puede asignar el trabajo? P (5, 5) = 5 x 4 x 3 x 2 x 1 = 120 formas. EJERCICIO No. 12 1. Si siete personas se sientan en siete sillas. De cuntas formas diferentes pueden sentarse? 2. Se ofrece un seminario con la intervencin de cuatro expositores. En cuntas formas se puede ordenar?

Sea S un conjunto y n (S) = K, entonces el nmero de subconjuntos ordenados de s, cada uno de r elementos (r K) es: P (k, r) = K (k -1) (k-2) (k-r + 1)

La notacin P (k, r) se lee: el nmero de permutaciones de k elementos tomados r a la vez. Ejemplos: 1. En un compaa la gerencia general, la gerencia de ventas y la gerencia de mercadeo estn vacantes y hay siete candidatos. De cuntas formas pueden ser ocupadas las plazas? Solucin: N (S) = 7 y r = 3, por lo tanto: k r + 1 = 5 porque 7 -3 + 1 = 5 P (7, 3) = 7 x 6 x 5 = 210 2. Sean A = {Prez, Pinzn, Santizo, Daz}. De este conjunto escogeremos dos personas para los puestos de gerente y subgerente. De cuntas formas puede llevarse a cabo la eleccin? P (4, 2) = 4 x 3 = 12 formas que son: {Prez, Pinzn} {Pinzn, Santizo} {Santizo, Daz} {Daz, Prez} {Prez, Santizo} {Pinzn, Daz} {Santizo, Prez} {Daz, Pinzn} {Prez, Daz} {Pinzn, Prez} {Santizo, Pinzn} {Daz, Santizo}

Para calcular las formas tambin se puede utilizar la frmula:

Luego P (4, 2) = EJERCICIO No. 13 1. Cuntos nmeros de tres dgitos pueden formarse con 1, 2, 3, 4, 5, y 6; tomando en cuenta que no pueden repetirse los dgitos? 2. Demuestra que si hay veinte concursantes y tres premios. Hay 6,849 formas en las que pueden repartirse los premios, tomando en cuenta que una misma persona no puede ganar ms de uno.

VARIACIONES Se llaman variaciones de m elementos tomas n a n, a los diverson agrupamientos que pueden hacerse tomando cada vez n de estos elementos. Dos agrupamientos pueden diferir en el orden de los elementos o en la naturaleza o en la naturaleza de uno de ellos al menos. Ejemplo: 1. Si tenemos los elementos a, b y c. Las variaciones posibles de estos elementos, tomados son 2 a 2 son: a b b a a c c a b c c b se representa por A n el nmero de variaciones posibles de m elementos, tomados de n a n m es igual al producto de los n nmeros enteros consecutivos decrecientes a partir de m. Del ejemplo anterior tenemos: = A = 3 x 2 = 6

2. Cuatro personas entran en un automvil que tiene 5 plazas. De cuntas maneras diferentes pueden sentarse? = 5 x 4 x 3 x 2 = 120 Respuesta: se pueden sentar en 120 formas diferentes. EJERCICIO No. 14 1. Cinco personas entran en un automvil que tiene 6 plazas. De cuntas formas diferentes pueden sentarse? 2. Si se tienen los elementos 1, 2, 3 y 4. Cules son las variaciones posibles de estos elementos si se toman 2 a 2?

COMBINACIONES. El nmero de conjuntos diferentes, con r elementos cada uno, que pueden formarse de un conjunto de n elementos (n > r), se llama combinacin de n elementos tomando r a la vez. La diferencia entre una combinacin y una permutacin de n cosas tomando r a la vez, es el orden. Ejemplo: 1, 2, y 3 y 2, 3, 1 son diferentes permutaciones pero constituyen la misma combinacin. La notacin C (n, r) expresa el nmero de combinaciones de n objetos tomando r a la vez. Cada combinacin de r elementos puede ser utilizada para formar r! permutaciones. C (n, r) r! = P (n, r) C (n, r) = C (n, r) =

Como P (n, r) = Que se puede describir: C (n, r) = (

Entonces

En donde n! es la abreviatura que nos indica el producto de la sucesin de enteros que empieza con n y termina en 1. Ejemplo: 1. Una caja contiene diez cinco, cada uno de diferente color. Si se escogen dos cincos. De cuntas formas es posible elegirlos? Solucin: C = (10, 2) =

)=

= 45 formas.

2. De cuntas formas pueden repartirse seis cartas de una baraja de 52? Solucin: C (52, 6) =

)=

= 9024 formas

3. Un padre de familia tiene ocho nmeros de lotera diferentes y piensa regalarlos a sus hijos de la siguiente manera: al hijo mayor 3; al segundo hijo 3 y al menor 2. En cuntas formas se pueden repartir los nmeros de lotera? Solucin:
C=

)=

= 560 formas

EJERCICIO No. 15 1. Evala cada una de las expresiones siguientes: a) 5! b) 6! c) d) 0! 2. Encuentra el valor de: C (8, 3); C (6, 4) y C (5, 3).

3. De nueve candidatos a un ascenso, se escogen tres. De cuntas formas se pueden seleccionar? 4. Cuntas manos de cinco cartas pueden darse de una baraja de 52 cartas? 5. Con los cinco primeros nmeros enteros. Cuntos productos pueden formarse de dos factores diferentes? 6. De un grupo de ocho hombres y cuatro mujeres. a) Se desea elegir una comisin formada por tres hombres y dos mujeres. Demuestra que se pueden formar 56 comisiones. b) Demuestra que la probabilidad de elegir una muestra de tamao 4, que est constituida solo por mujeres de 0.002. EL TEOREMA DEL BINOMIO. El binomio de Newton puede escribirse en la forma siguiente: (a + b)n = an + na n-1 b + an-2 b + an-3 + + bn COEFICIENTES 1 1 3 4 6 2 3 4 1 1 1 1

Siendo su desarrollo determinado por: (a + b) = a + b.. (a + b) = a + 2ab + b (a + b) = a + 3 a b + 3ab + b . 1 (a + b)4 = a4 + 4 a b + 6 a b + 4ab + b41 Ejemplos:

1. Por medio del teorema del binomio vamos a encontrar el desarrollo de (2x 3y)4. Solucin: Como a b = a + (-b), el desarrollo de (2x -3y)4 se puede expresar como [2x + (-3y)]4; por lo que

[2x + (-3y)]4 = (

) (2x)4

( ) (2x)

(-3Y) + (

(2x) (-3Y) +

( ) (2x) (-3Y) + ( ) (-3y)4 = 16x4 96xy + 126xy - 216xy + 81y4

2. Halla el octavo trmino de (a + b) 12. Este debe ser el que contenga b7. Como la suma de los exponentes debe ser igual a 12, el trmino es de la forma a b7 y el coeficiente es ( ) Por lo que el octavo trmino de (2x + y) 12 es ( 25344 x5 y7 EJERCICIO No. 16 1. Desarrolla las siguientes expresiones: a) (x + y)4 b) (a-b)5 c) (2x 3y)5 2. Encuentra el cuarto trmino de (2x y)7 3. Encuentra el noveno trmino de (a + 3b)12 Si en lugar de a y b utilizamos p y q, que nos van a representar las probabilidades de aparicin de cara (C) y escudo (E) al lanzar dos monedas, 4 monedas, etc. En este caso n ser igual al nmero de monedas lanzadas. Si aplicamos la frmula al lanzamiento de 4 monedas, tendremos: (p + q)4 = p4 + 4pq + p q + pq + q4
5

) (2x)5 Y7 = 792 (32x5 y7) =

d) (a-b)

Sabemos que al lanzar 1 moneda tenemos de probabilidad que caiga, por lo que p = y q = , sustituyendo podemos simplificar la frmula por: (p + q)4 = p4 + 4pq + 6pq + 4pq + q4 (+ )4 = (1/2)4 + 4 (1/2) (1/2) + 6(1/2) (1/2) + 4(1/2) (1/2) + (1/2)4 ()+ )4 = 1/16 + 4/16 + 6/16 + 4/16 + 1/16 = 16/16 = 1 Al observar los trminos del desarrollo del binomio, concluimos que: a) En el primer trmino p4 solo aparece p y q que el exponente de p es 4, de donde se deduce que este trmino representa la cada de 4 caras.

b) En el segundo termino p, aparece elevada a la tercera potencia y q a la primera de donde se deduce, que este trmino representa la cada de 3 caras y un escudo. Hay 4 formas en que pueden caer 3 caras al lanzar 4 monedas, as: cce, ccec; cecc y eccc. c) En el tercer trmino hay 6 formas de que caigan 2 caras y 2 escudos. d) En el cuarto trmino hay 4 formas de que caigan una cara y 3 escudos. e) En el quinto trmino encontramos la cada de 4 escudos. Ejemplo: Escribir el desarrollo bimonial de (q + p)6. (q + p)6 = q6 + 6q5p + 15q4p + 20 qp + 15qp4 + 6qp5 + p5 Los coeficientes 1, 6 15, 20, 15, 6, 1, se llaman coeficientes bimoniaales correspondientes a N = 6, escribiendo estos coeficientes para N = 0, 1, 2, 3, 4, 5, 6, se obtiene una ordenacin de binomios conocida como tringulo pascal, de la forma siguiente:
n Coeficientes Binomiales Denominador de P 0 1 1 1 1 1 2 2 1 2 1 4 3 1 3 3 1 8 4 1 4 6 4 1 16 5 1 5 10 10 5 32 6 1 6 15 20 15 6 1 64

Podemos observar en el tringulo de Pascal que el primero y el ltimo de cada fila es 1 y cualquier otro nmero puede obtenerse sumando los dos nmeros a l, de la fila anterior. EJERCICIO No. 17 1. Escribe el desarrollo binomial de (q + p)5, 2. Escribe el desarrollo binomial de (q + p),

3. Escribe el desarrollo binomial de (q + p)7.

La distribucin binomial. Si p es la probabilidad de ocurrencia de un suceso en un solo ensayo (llamada probabilidad de xito) y q = 1 p es la probabilidad de que el suceso no ocurra en un solo ensayo (llamada probabilidad de fallo, por lo que la probabilidad de que el suceso se presente exactamente X veces en N ensayos (o sea, X xitos y N X fallos) est dada por:

Ejemplos: 1. La probabilidad de obtener exactamente 2 caras en 6 lanzamientos de una moneda ser: P=C (1/2) (1/2)6-2 = (1/2)6 =

2. La probabilidad de obtener al menos 4 caras en 6 lanzamientos de una moneda ser: P=C (1/2)4 (1/2)6-4 + C (1/2)5 (1/2)6-5 + C (1/2)6

3. En el lanzamiento de cuatro monedas, la probabilidad de que se tenga exactamente dos caras ser igual a: Solucin: Cara = p = ; escudo = q = ; N = 4 monedas y x = 2 caras. P = C4 (1/2) (1/2)4-2 = EJERCICIO No. 18 1. En el lanzamiento de cuatro monedas. Demuestra que la probabilidad de obtener exactamente ninguna cara, una cara, tres caras y cuatro caras es de 1/16, 4/16 y 1/16. 2. Si una urna contiene 10 bolas: 7 blancas y 3 negras. Demuestra que si hacemos tres extracciones con remplazo la probabilidad de obtener exactamente ninguna bola negra, una bola negra, dos bolas negras y tres bolas negras es de 343/1000, 441/1000, 189/1000 y 27/1000. (1/2) (1/2) = 6 (1/16) =

RESUMIENDO. En trminos probabilsticos, dos sucesos de un experimento son mutuamente excluyentes si la probabilidad de que los dos ocurran al mismo tiempo es cero; dos sucesos son independientes si la probabilidad de que ocurran al mismo tiempo es igual al producto de sus probabilidades individuales. Es decir, dos sucesos son excluyentes si la ocurrencia de uno prohbe la ocurrencia del otro; dos sucesos son independientes si la ocurrencia o no de uno no afecta a la probabilidad de que el otro ocurra o no. Probabilidad compuesta es la probabilidad de que todos los casos de un conjunto dado de sucesos ocurran a la vez; probabilidad total al menos uno de los casos de un conjunto dado de sucesos ocurre. Probabilidad condicional es la probabilidad de que un suceso ocurra cuando se sabe que otro suceso ha ocurrido o va a ocurrir. La probabilidad matemtica se utiliza mucho en las ciencias fsicas, biolgicas y sociales, as como en el comercio y la industria. Se aplica a muchas reas tan dispares como la gentica, la mecnica cuntica y los seguros. Tambin estudia problemas matemticos tericos de gran importancia y dificultad, y est bastante relacionada con la teora del anlisis matemtico, que se desarroll a partir del clculo.

PRUEBA OBJETIVA. Nombre: ____________________________________________________ Fecha: _________________________________ Punteo: _____________ PRIMERA SERIE. Responde las preguntas siguientes en los espacios en blanco. 1. Qu es la probabilidad? __________________________________________________________ 2. Qu es el espacio muestral? __________________________________________________________ 3. Qu es un evento? __________________________________________________________

4. Qu es el espacio de muestreo univariado? __________________________________________________________ 5. Cundo se dice que dos eventos son mutuamente exclusivos? _________________________________________________________ 6. Cundo se dice que dos eventos son independientes? _________________________________________________________ 7. Qu es la frecuencia relativa? _________________________________________________________ 8. Qu es una variacin? _________________________________________________________ 9. Qu es una combinacin? _________________________________________________________ 10. Qu es una permutacin? _________________________________________________________

SEGUNDA SERIE. Resuelve los siguientes problemas: 1. Demuestra que: a) Hay 16890 formas para formar grupos de 3 personas de un conjunto de 9. b) Hay 1260 formas para formar grupos de 2, 3, y 4 personas. 2. Resuelva los problemas siguientes, comprobando si los resultado que se te dan en cada uno son correctos, si no lo son, explica por qu. a) El valor de C = 70 b) El valor de P = 2520 c) La probabilidad de conseguir un total de 7 puntos de una vez en dos lanzamientos de un par de dados, es de: 5/18.

d) Doscientas diez son las formas en que pueden seleccionarse 6 preguntas de un total de 10. e) Ciento setenta son las formas en que pueden sentarse 5 personas en un sof que tiene solamente tres asientos. f) La probabilidad de que en cinco lanzamientos de un dado el tres aparezca, es de 25/ 3888. g) La probabilidad de contestar correctamente al menos 6 de las 10 preguntas de un examen es falso y verdadero es de 193 / 512. 3. Cul es la probabilidad de que entres lanzamientos de una moneda aparezcan dos caras y una cruz? 4. Cul es la probabilidad de obtener 9 una vez en tres lanzamientos de un par de dados?

5. Si lanzamos una moneda al aire cinco veces. Cul es la lista de los eventos posibles? 6. Cul es la probabilidad de obtener un nmero menor que 7 en una jugada de dos dados?

7. Si se tienen cinco calcetines negros y cinco calcetines blancos en una caja. Cul es la probabilidad de sacar dos calcetines negros en dos intentos consecutivos? 8. Debe asignarse a seis hombre seis trabajos diferentes. De cuntas formas se puede asignar el trabajo?

9. Tres personas entran a un automvil que tiene 4 plazas. De cuntas maneras diferentes puede sentarse? 10. Con los cuatro primeros nmeros enteros. Cuntos productos pueden formarse de dos factores diferentes?