GUIA DE MATERIA ESTADISTICA Y PROBABILIDADES Basado en Material de Preuniversitario Pedro de Valdivia (Por favor no distribuir y mantener para el uso personal) CLASE 1: RAZÓN Y PROPORCIÓN RAZÓN Es una comparación entre dos cantidades a través del cuociente. Se escribe a : b o a , se b lee “a es a b”; donde a se denomina antecedente y b consecuente. a = k, siendo k el valor de la El valor de la razón es el cuociente entre las cantidades: b razón EJEMPLOS: 1. ESCALAS DE MAPAS Y PLANOS Planta Primer Piso Facultad de Derecho U. de Chile Escala 1:100 2. Paula tiene 18 años y su hermana 6 años. ¿En qué razón están las edades de Paula y su hermana? A) B) C) D) E) 1:3 2: 3 3:1 3:2 2:1 1 PROPORCIÓN c a = o a : b = c : d y se lee b d “a es a b como c es a d”, donde a y d son términos extremos; b y c son términos medios. Es una igualdad de dos razones. Se escribe TEOREMA FUNDAMENTAL: “En toda proporción el producto de los extremos es igual al producto de los medios”. a c = a d=b c b d a=c·k a c = , existe una constante k ≠ 0 tal que OBSERVACIÓN: Dada la proporción b d b=d·k EJEMPLO: 3. El trazo AB de la figura 1, mide 90 cm y está dividido interiormente por un punto P en la razón 2 : 3. ¿Cuánto mide la mitad del segmento mayor? A) B) C) D) E) 18 27 36 45 54 cm cm cm cm cm A P B fig. 1 SERIE DE RAZONES Es la igualdad de más de dos razones. La serie de razones x y z = = , también se escribe como: a b c x:y:z=a:b:c PROPIEDAD BÁSICA Para la serie de razones: y z x = = = k, se cumple que: x = k · a; a b c EJEMPLO: 4. Si a : b = 2 : 3 A) B) C) D) E) 2 4 6 4 6 : : : : : y b : c = 6 : 7, entonces a : b : c = 6:7 6:7 9 : 21 3:7 18 : 21 2 y = k · b; z=k·c PROPORCIONALIDAD DIRECTA Dos variables x e y son directamente proporcionales si el cuociente entre sus valores correspondientes es constante. x1 x x x = 2 = 3 = ... = n = k , siendo k constante y1 y2 y3 yn Así por ejemplo, la tabla muestra la elaboración de jugo de manzana, por cada 15 kg de manzana se obtiene 9 litros de jugo. Peso (kg) 5 10 15 x Volumen (Lt) 3 6 9 y Podemos observar que 5 x = 3 y Aumenta Litros de jugo En una proporción directa, si una magnitud aumenta (disminuye) n veces, la otra aumenta (disminuye) el mismo número de veces 9 6 Dos magnitudes son directamente proporcionales si al representar los pares de valores, los puntos se sitúan en una recta que pasa por el origen. 3 0 10 5 15 Aumenta kg. de manzanas PROPORCIONALIDAD INVERSA Dos variables x e y son inversamente proporcionales cuando el producto entre las cantidades correspondientes se mantiene constante. x1 · y1 = x2 · y2 = x3 · y3 = … = xn · yn = k (k constante) Así por ejemplo, la tabla de la figura 5 muestra las medidas posibles de los lados de un rectángulo de área 24 cm2. Ancho 12 11 2 3 4 6 x Ancho 12 8 6 4 y Disminuye Largo 10 9 8 7 6 5 4 Podemos observar que x · y = 24 3 2 1 El gráfico de una proporcionalidad inversa corresponde a una hipérbola equilátera. 1 2 3 4 Aumenta 3 6 8 Largo PROPORCIONALIDAD COMPUESTA La proporcionalidad compuesta es la combinación de proporcionalidades directas, inversas o ambas. Si la variable A es directamente proporcional a la variable B y a su vez inversamente A· C proporciona a la variable C, entonces se mantiene constante, es decir: B A1 · C1 A · C2 = … = k, siendo k constante. = 2 B1 B2 OBSERVACIÓN: Si la variable A es directamente proporcional a la variable B y a su vez directamente A proporcional a la variable C, entonces =k. B·C Si la variable A es inversamente proporcional a la variable B y a su vez inversamente proporcional a la variable C, entonces A · B · C se mantiene constante. EJEMPLOS 5. 250 gramos de cierto alimento aporta 0,5 calorías. ¿Cuántas calorías aporta 4,5 kg del mismo alimento? A) 2,25 B) 7,5 C) 8 D) 9 E) 10 6. En la hipérbola equilátera de la figura 2, los valores de C y B son respectivamente y A) 8 y 9 B) 6 y 12 C) 4 y 18 D) 12 y 6 E) 24 y 3 C fig. 2 8 6 3 4 7. B 8 16 x En un taller se han fabricado 1.000 piezas, trabajando 8 horas diarias durante 6 días. ¿Cuántos días son necesarios para fabricar 2.000 piezas trabajando 12 horas diarias? A) 2 B) 8 C) 12 D) 18 E) 24 4 CLASE 2: PORCENTAJES TANTO POR CIENTO El tanto por ciento es un caso particular de proporcionalidad directa en que uno de los términos de la proporción es 100: Q P = C 100 Q= P ·C 100 Q = P% · C TANTOS POR CIENTOS NOTABLES EXPRESADOS EN FRACCIÓN Y EN NÚMERO DECIMAL TANTO POR CIENTO 1% de C 5% de C 10% de C 12,5% de C 20% de C 25% de C 33 1 % de C 3 50% de C 66 2 % de C 3 75% de C 120% de C FRACCIÓN 1 C 100 1 C 20 1 C 10 1 C 8 1 C 5 1 C 4 1 C 3 1 C 2 2 C 3 3 C 4 6 C 5 3 C 1 300% de C DECIMAL 0,01 · C 0,05 · C 0,1 · C 0,125 · C 0,2 · C 0,25 · C 0, 3 · C 0,5 · C 0, 6 · C 0,75 · C 1,2 · C 3,0 · C EJEMPLO: 8. En una jaula hay 48 aves entre canarios y catitas. Si 12 son catitas, entonces ¿qué porcentaje de las aves son canarios? A) B) C) D) E) 20% 25% 33,3% 66,6% 75% 5 OPERACIONES CON TANTOS POR CIENTOS Dos o más tantos por cientos de una misma cantidad se pueden sumar o restar. a% de C b% de C = (a b)% de C El tanto por ciento del tanto por ciento de una cantidad es igual al producto de los tantos por cientos. El a% del b% de C = a b · · C 100 100 VARIACIÓN PORCENTUAL AUMENTO : Al aumentar una cantidad C en su P por ciento se obtiene: P ·C 100 C’ = C + DISMINUCIÓN : Al disminuir una cantidad C en su P por ciento se obtiene la cantidad: C’ = C – P ·C 100 EJEMPLOS: 9. El 20% de 60 más el 55% de 60 es A) B) C) D) E) 35 36 45 55 78 10. Los pasajes en avión a Puerto Montt subieron de $100.000 a $125.000. ¿En qué porcentaje se incrementó su valor? A) B) C) D) E) 20% 22% 25% 35% 45% 6 INTERÉS SIMPLE Una cantidad C crece a una tasa del i% por unidad de tiempo en un período de n unidades, en un régimen de crecimiento simple, si el crecimiento en cada unidad de tiempo es fijo. La cantidad final CF después de cumplido el período n está dada por: CF = C + ni ·C 100 Ganancia = Ganancia = CF – C n·i· C 100 INTERÉS COMPUESTO Una cantidad C crece a una tasa del i% en cada periodo de tiempo y en un total de tiempo de n períodos, en un régimen de crecimiento o interés compuesto, el aumento total será la suma de los incrementos de cada período de tiempo y este crecimiento total se agrega a C. La fórmula para calcular la cantidad final CF después de cumplido el período n es i n C F = C · 1 + 100 Ganancia = CF – C EJEMPLOS 11. Un capital de $ 500.000 se deposita en un banco que ofrece un 3% de interés mensual. Al cabo de 9 meses, en un régimen de interés simple, ¿cuánto es el nuevo capital? A) B) C) D) E) $ $ $ $ $ 535.000 545.000 590.000 630.000 635.000 . ¿Cuál es la ganancia obtenida al depositar $ 5.000.000 durante 2 años a un régimen de interés compuesto en un banco que da un 5% anual? A) B) C) D) E) $ $ $ $ $ 500.000 501.250 512.500 550.000 551.250 7 CLASE 3: ESTADÍSTICAS Y GRÁFICOS ESTADÍSTICA Es una rama de la matemática que comprende Métodos y Técnicas que se emplean en la recolección, ordenamiento, resumen, análisis, interpretación y representación de conjuntos de datos. La estadística se divide en: Estadística descriptiva o deductiva: se ocupa de la recolección organización y presentación de los datos. Estadística inductiva o inferencial: se ocupa de interpretar los datos recogidos y obtener conclusiones a partir de ellos. Población: Es un conjunto cuyos elementos poseen alguna característica común que se quiere estudiar. Las poblaciones pueden ser finitas o infinitas. Muestra: Es un subconjunto de la población, aleatoria. que debe ser representativa de ella y Variables: Cualitativas Son aquellas variables que no se pueden medir numéricamente, están relacionadas con características. Los valores que toma este tipo de variables representan categorías o cualidades. Las variables cualitativas pueden ser medidas en escala: Nominal: son aquellas en las cuales las observaciones del atributo de la variable son clasificadas en categorías, y no existe ordenación. Por ejemplo: estado civil: casado, divorciado, viudo, soltero, etc. Ordinal: son aquellas en las cuales existe una relación de orden intuitivo, por ejemplo: nivel educacional (básico, medio, superior), situación económica (baja, media, alta), etc. Son aquellas variables en que cada observación es resultado de una medición Variables: Cuantitativas o un conteo y por lo tanto tiene un valor expresado por un número real, por ejemplo: peso, temperatura, número de personas en una sala, etc. Las variables cuantitativas pueden ser: Discretas: Son resultado de un conteo, por lo tanto, toman sólo valores enteros, por ejemplo: número de hijos, número de departamentos en un edificio, etc. Continuas: Son resultado de una medición, por lo tanto, son susceptibles de tomar cualquier valor, por ejemplo: el peso, la estatura, etc. EJEMPLO: 13. De las siguientes afirmaciones, es verdadero que A) B) C) D) E) Una muestra no debe ser representativa de la población. El color de pelo es una variable cuantitativa. La estadística no proporciona información para analizar. El número de computadores en una biblioteca es una variable continua. La distancia entre el preuniversitario y las casas de los estudiantes es una variable continua. 8 PRESENTACIÓN DE DATOS TABLA DE DISTRIBUCIÓN DE FRECUENCIAS Dato (o intervalo) (X): Información (Variable) que se está estudiando en la estadística. Marca de clase (c): Se define como el promedio de los extremos de un intervalo. Frecuencia (f): Número de veces que se repite un dato (también se le denomina frecuencia absoluta). Frecuencia Acumulada (fac): Es la que se obtiene sumando ordenadamente las frecuencias absolutas, hasta la que ocupa la última posición. Frecuencia Relativa (fr): Es el cuociente entre la frecuencia absoluta de uno de los valores de la variable y el total de datos. Frecuencia Relativa Porcentual (fr%): Corresponde a la frecuencia relativa expresada en porcentaje. Es decir fr% = fr · 100 Frecuencia Relativa Acumulada (frac): Es la que se obtiene sumando ordenadamente la frecuencia relativa hasta la que ocupa la última posición. EJEMPLO: . En la tabla adjunta, se observa la cantidad de títulos obtenidos por los alumnos de )LORVRItD de la Universidad GH &KLOH. ¿Cuál(es) de las siguientes afirmaciones es (son) verdadera(s)? I) II) III) A) B) C) D) E) La cantidad de alumnos titulados en el año 1980 es superior que los titulados en el año 1975. Hasta el año 1985 se titularon 60 estudiantes. En los años 1985 y 1990 se titularon la misma cantidad de alumnos. Sólo I Sólo II Sólo I y II Sólo II y III I, II y III Año Hombres Mujeres 1975 1980 1985 1990 8 12 10 18 9 8 13 5 MEDIDAS DE TENDENCIA CENTRAL Las medidas de tendencia central, son parámetros que indican valores cuyo objetivo es resumir la información para un conjunto de datos, es decir, son representantes de una muestra. Media Aritmética ( x ) Es el cuociente entre la suma de todos los datos y el número de datos. Si se tienen n datos; x1, x2, x3, …, xn, su media aritmética es x = x1 + x2 + x3 + ... + xn n 9 Media Aritmética para datos organizados en una tabla de frecuencias Si los datos son; x1, x2, x3, … xn, y las frecuencias respectivas son f1, f2, f3, … fn, entonces la media aritmética es Dato x1 x2 x3 . xn Frecuencia fi f2 f3 . fn xi · fciai x1 · f1 x2 · f2 x3 · f3 . xn · fn x = x1 · f1 + x2 · f2 + x 3 · f3 + ... + x n · fn f1 + f2 + f3 + ... + fn Media Aritmética para datos agrupados en intervalo Si las marcas de clase son; c1, c2, c3, … cn, y las frecuencias de los intervalos respectivos son f1, f2, f3, … fn, entonces la media aritmética es x= c1 · f1 + c2 · f2 + c3 · f3 + ... + cn · fn f1 + f2 + f3 + ... + fn MODA (Mo) Es el dato que aparece con mayor frecuencia, es decir, el que más se repite dentro de una muestra. La muestra puede ser: AMODAL: Si no hay un dato que tenga mayor frecuencia. UNIMODAL: Si existe un solo dato que tenga mayor frecuencia. BIMODAL (O POLIMODAL): Si existen dos (o más) datos que tienen la misma frecuencia. MEDIANA (Me) Es el dato que ocupa la posición central de una muestra ordenada y por lo tanto, la divide en dos partes. Si la muestra tiene un número par de datos, la mediana es la media aritmética de los dos términos centrales. EJEMPLO: 15. Un dado ha sido lanzado 30 veces, obteniéndose los resultados que se muestran en la siguiente tabla de frecuencias adjunta. ¿Cuál(es) de las siguientes afirmaciones es (son) verdadera(s)? I) II) III) A) B) C) D) E) La mediana es 3,5. La moda es el número 5. La diferencia positiva entre la moda y mediana es 2,5. Sólo I Sólo II Sólo I y II Sólo I y III I, II y III 10 Número 1 2 3 4 5 6 frecuencia 4 5 6 3 7 5 MEDIDAS DE POSICIÓN (FRACTILES) Los fractiles dividen a una muestra ordenada en forma creciente, en la forma más igualitaria posible. Los principales fractiles son: deciles, cuartiles y percentiles. DECILES (D): Los deciles de una distribución de datos numéricos corresponden a los 9 valores que dividen a éstos en 10 partes iguales. El decil de orden K se denota por DK. OBSERVACIÓN El dato que ocupa el Decil k significa que supera el k% de las observaciones. CUARTILES (Q): Los cuartiles corresponden a los 3 valores que dividen a la muestra en cuatro partes iguales. Q1, Q2 y Q3 determinan los valores correspondientes al 25%, 50% y 75% de los datos, respectivamente. Recorrido intercuartílico: es la diferencia positiva entre el Q3 y Q1. PERCENTILES (P): Los percentiles corresponden a los 99 valores que dividen a la muestra en cien partes iguales. El percentil de orden K se denota por PK. OBSERVACIÓN: El dato que ocupa el Percentil k significa que supera el k% de los datos. El percentil 50 equivale a la mediana. EJEMPLO: 16. La tabla adjunta muestra el tiempo aproximado en horas dedicadas al estudio de un grupo de estudiantes de un colegio. ¿A partir de qué percentil se encuentran los estudiantes que le dedican 4 horas de estudio? A) B) C) D) E) Menos del 60 Entre 65 y 70 Entre 70 y 75 Entre 76 y 78 Más de 80 Horas de estudio Número de estudiantes 1 2 3 4 120 145 135 100 GRÁFICO DE CAJA Y BIGOTES El diagrama de caja es una representación gráfica basada en cuartiles, que ayuda a ilustrar una muestra de datos. Para elaborar este gráfico, sólo se necesitan cinco datos: el valor mínimo, el primer cuartil, la mediana, el tercer cuartil y el valor máximo de la muestra. TIPOS DE MUESTRA Muestra Simétrica: Los valores intercuartílicos están igualmente dispersos. Valor mínimo Q1 Q2 11 Q3 Valor máximo Muestra Positivamente Asimétrica: Los valores más grandes se encuentran más dispersos que los más pequeños. Valor mínimo Q1 Q2 Q3 Valor máximo Muestra Negativamente Asimétrica: Los valores más pequeños se encuentran más dispersos que los más grandes. Valor mínimo Q1 Q2 Q3 Valor máximo MEDIDAS DE DISPERSIÓN Rango es la diferencia entre el mayor y el menor de los datos. Desviación estándar o típica es una medida de dispersión que indica cuánto tiende a alejarse cada dato de la muestra, de la media aritmética de éstos. La desviación estándar () se calcula mediante la siguiente fórmula: = (x1 x)2 + (x2 x)2 + ... + (xn x)2 n EJEMPLOS 17. A dos empresas distintas se les aplicó el mismo test de prevención de riesgos en iguales condiciones y a la misma cantidad de empleados, obteniéndose las desviaciones estándar que se muestran en la tabla adjunta. ¿Cuál(es) de las siguientes afirmaciones es (son) verdadera(s)? I) II) III) A) B) C) D) E) La empresa A es la más homogénea. La empresa B es la más homogénea. La empresa A presenta mayor dispersión en los resultados. Sólo I Sólo II Sólo I y III Sólo II y III Ninguna de ellas Empresa Promedio Desviación Estándar A B 6,6 6,2 1 0,8 18. Si el promedio de dos números es 5 y su desviación estándar es 1, entonces, ¿cuáles son los números? A) B) C) D) E) 3 4 5 1 2 y y y y y 7 6 5 9 8 12 REPRESENTACIÓN GRÁFICA E INTERPRETACIÓN DE GRÁFICOS A menudo, una representación gráfica de una distribución de frecuencias nos da una mejor idea de un estudio estadístico que un cuadro con números. Existen distintos tipos de gráficos en los que podemos presentar nuestros datos, algunos de los más utilizados son GRÁFICO DE BARRAS Utilizado en variables de tipo cualitativa y cuantitativa discreta, este gráfico consiste en una serie de barras que indican a los datos, cuyas alturas representan la frecuencia absoluta de éstos. X Dato 1 Dato 2 F A B Dato 3 C Dato 4 D Dato 5 E Frecuencia (f) Gráfico de Barras A C fig. 1 D B E Dato 1 Dato 2 Dato 3 Dato 4 Dato 5 Dato (x) GRÁFICO CIRCULAR Al igual que el gráfico de barras, el gráfico circular es utilizado en variables de tipo cualitativa y cuantitativa discreta. El gráfico consiste en un círculo dividido en secciones proporcionales al tamaño de la muestra y la frecuencia de los datos, generalmente se utiliza para representar frecuencias relativas. Gráfico Circular X f Fr Dato 1 a a% Dato 2 b b% Dato 3 c c% Dato 4 d d% Dato 5 e e% Dato 5 Dato 4 Dato 1 Dato 3 Dato 2 fig. 2 Dato 5 f x° = total 360° Dato 4 Dato 1 f fr = total 100% Dato 3 13 Dato 2 HISTOGRAMA Se utiliza para representar a los datos agrupados en intervalos. El histograma se elabora representando a los datos en el eje horizontal y a las frecuencias en el eje vertical, y trazando barras cuyas bases equivalen a los intervalos de clase, y cuyas alturas corresponden a las frecuencias de clase. d C f Intervalo 1 Clase 1 a Intervalo 2 Clase 2 b Intervalo 3 Clase 3 c Intervalo 4 Clase 4 d b Frecuencia x fig. 3 c a 1 2 3 4 Intervalos f fr = total 100% POLÍGONO DE FRECUENCIAS Al igual que el histograma, este confeccionarlo, se debe unir con frecuencia de los intervalos. Para intervalo de frecuencia cero, antes gráfico se utiliza en datos agrupados en intervalos. Para una recta los puntos donde se intersectan la clase y la “anclar” el polígono al eje horizontal, se debe agregar un del primer y después del último intervalo. X C f Intervalo 1 Clase 1 a Intervalo 2 Clase 2 b Intervalo 3 Clase 3 c Intervalo 4 Clase 4 d Polígono de frecuencias Frecuencia (f) 6 a5 c4 fig. 4 d3 b2 1 0 Clase Clase 1 Clase 2 Clase 3 14 Clase 4 Clase Clase (c) CLASE 4: COMBINATORIA TÉCNICAS DE CONTEO Principio Multiplicativo: Si un determinado suceso A puede ocurrir de a maneras diferentes y otro suceso B, puede ocurrir de b maneras diferentes, entonces el suceso compuesto “A y B” puede ocurrir de (a ∙ b) maneras diferentes. Este principio se puede aplicar también a más de dos sucesos. Principio Aditivo: Si un determinado suceso A puede ocurrir de a maneras diferentes y otro suceso B, puede ocurrir de b maneras diferentes, entonces el suceso compuesto “A o B” puede ocurrir de (a + b) maneras diferentes. Este principio se puede aplicar también a más de dos sucesos. FACTORIALES Definición: Sea n un número natural, se llama factorial de n o n factorial, al producto de los n primeros números naturales y se denota por n!. Se define: 1! = 1 n! = n ∙ (n – 1)! Se deduce de lo anterior, que n! = n · (n – 1) · (n – 2) · … · 3 · 2 · 1 OBSERVACIÓN: 0! = 1 EJEMPLOS 19. Al lanzar un dado y una moneda, ¿cuántos resultados distintos se pueden obtener? A) 4 B) 6 C) 8 D) 12 E) 36 20. ¿Cuál(es) de las siguientes expresiones es (son) igual(es) a 4!? I) II) III) A) B) C) D) E) 2! ∙ 2! 1! + 1! + 1! + 1! 12 ∙ 2 Sólo I Sólo II Sólo III Sólo II y III Ninguna de ellas 15 PERMUTACIONES Definición: Se denomina permutación, a cada una de las diferentes ordenaciones que se pueden realizar con todos los elementos de un conjunto. Permutación Simple o Lineal: Son las permutaciones que pueden hacerse con los elementos de un conjunto, sin repetirlos. P(n) = n! Permutaciones con repetición: El número de permutaciones de n elementos, de los cuales, k1 son iguales, k2 son iguales,…. kr son iguales, está dada por Prep = n! k1! · k2! · ... k r! Permutaciones circulares: El número de maneras diferentes en que se pueden ordenar n elementos diferentes a lo largo de una circunferencia está dado por: Pcircul = (n – 1)! VARIACIONES O ARREGLOS Definición: En un conjunto de n elementos, se denominan variaciones o arreglos a los diferentes grupos o conjuntos que se pueden formar con sólo r elementos (r < n). Variaciones sin repetición: Dado un conjunto de n elementos, la cantidad de conjuntos de r elementos que se pueden obtener, sin repetir ninguno de ellos, está dada por (r < n): Vnr = n! (n r)! Variaciones con repetición: Dado un conjunto de n elementos, la cantidad de conjuntos de r elementos que se pueden obtener, en los cuales se puede repetir uno o más de ellos, está dada por (r<n): Vrn = nr EJEMPLOS 21. ¿De cuántas maneras distintas se puede sentar una familia de 7 integrantes alrededor de una mesa circular? A) 3! + 4! B) 3! ∙ 4! C) 6! D) 7! E) 7! – 1! 22. En un campeonato de fútbol participan 8 equipos locales. ¿De cuántas maneras distintas pueden ser ocupados los tres primeros lugares? A) 6 B) 21 C) 56 D) 336 E) 512 16 COMBINACIONES Son los diferentes grupos que se pueden formar con un total de n elementos de modo que cada grupo tenga r elementos, no interesando el orden de estos. El número de combinaciones de n elementos tomados de r en r está dado por la fórmula: Cnr = n! (n r)! · r! CUADRO RESUMEN ¿Se pueden repetir los elementos? Permutación si no Prep = n! k1! · k2! · ... · kr! P(n) = n! si si ¿Intervienen todos los elementos? no ¿Importa el orden? Variación no ¿Se pueden repetir los elementos? Combinación si no Vrn = nr Vnr = n! (n r)! Cnr = n! (n r)! · r! EJEMPLOS 23. En un jardín infantil hay 5 cupos para 8 niños que postulan, ¿de cuántas formas se puede ocupar esas vacantes? A) 13 B) 40 C) 56 D) 168 E) 336 24. Una señora tiene 9 amigos de confianza, ¿de cuántas maneras puede invitar a comer a 5 de sus amigos? A) 5! B) 9! C) 45 D) 105 E) 126 14 CLASE 5: PROBABILIDADES NOCIONES ELEMENTALES Experimento: Procedimiento que se puede llevar a cabo, bajo las mismas condiciones, un número indefinido de veces. Experimento aleatorio: Experimento cuyo resultado no se puede predecir, existiendo un conjunto de resultados posibles (espacio muestral). Evento (o suceso): Es un resultado particular del espacio muestral. Evento cierto: Es el propio espacio muestral. Evento imposible: Es aquel que no tiene elementos, es decir, el subconjunto vacío del espacio muestral. Eventos mutuamente excluyentes: Son aquellos eventos donde la ocurrencia de uno de ellos impide la ocurrencia del otro. Eventos complementarios: son aquellos que no tienen elementos comunes pero juntos completan el espacio muestral. PROBABILIDAD CLÁSICA La probabilidad de un suceso A se obtiene como la razón entre el número de casos favorables al evento A y el número total de casos posibles. P(A) = Número de casos favorables (A) Número total de casos OBSERVACIONES: La probabilidad de que un suceso A no ocurra es igual a uno menos la probabilidad de que ocurra. 0 P(A) 1 P(A’) = 1 – P(A) o bien A’ = A no ocurre 0% P(A) 100% EJEMPLO: 25. Si se lanzan dos dados, ¿cuál es la probabilidad de obtener una suma igual a 7? A) B) C) D) E) 1 18 1 12 1 6 11 36 1 3 TRIÁNGULO DE PASCAL Representa una regularidad numérica que se ilustra en la siguiente figura: 1 1 1 1 2 1 1 3 4 1 1 3 1 6 5 4 10 1 10 5 1 Se pueden observar algunas regularidades y estas son: Los coeficientes primero y último de cada fila son siempre 1. Cualquier otro coeficiente de una fila se obtiene como la suma de los dos valores que están justo arriba en la fila anterior. Si se suman los números de cada fila el resultado es siempre una potencia de 2. Existe una simetría en cada fila respecto a su centro. El triángulo de Pascal también se utiliza en experimentos aleatorios que tengan dos sucesos equiprobables de ocurrencia, como por ejemplo: lanzar una moneda, el sexo de una persona, respuestas de preguntas del tipo verdadero o falso, etc. OBSERVACIÓN: EJEMPLO CON LANZAMIENTO DE MONEDA Al lanzar una moneda cuatro veces (o lanzar 4 monedas a la vez) se obtienen 16 resultados posibles, que al determinarlos a través del triángulo de Pascal son: 1 1 1 1 3 4 1 2 1 3 6 1 Cero lanzamiento 20 Un lanzamiento 21 Dos lanzamientos 22 Tres lanzamientos 23 Cuatro lanzamientos 24 1 4 1 Esta situación se grafica de la siguiente manera 1 1C 4 1C 3 1C2 3 4C S 1C 2 1S 2CS 3C S 2 6C S 2 3CS 2 1S2 4CS 3 1S3 1S4 CCCS OBSERVACIÓN: 4C3S significa CCSC CSCC SCCC O sea, 4C3S indica que hay cuatro casos favorables para obtener 3 caras y 1 sello. PROBABILIDADES DE EVENTOS Si A y B son dos sucesos no excluyentes (pueden ocurrir ambos al mismo tiempo), la probabilidad de que ocurran A o B o ambos está dada por: P(A o B) = P(A B) = P(A) + P(B) – P(A B) Si A y B son dos sucesos excluyentes (no pueden ocurrir ambos al mismo tiempo), la probabilidad de que ocurra A o B está dada por: P(A o B) = P(A B) = P(A) + P(B) Los sucesos A y B se consideran independientes cuando la ocurrencia o no ocurrencia de uno no influye sobre la probabilidad de ocurrencia o no ocurrencia del otro. P(A y B) = P(A B) = P(A) · P(B) Sean A y B dos sucesos de un mismo espacio muestral. La probabilidad condicional de A, dado B, se calcula como la probabilidad del suceso A, bajo la condición de que el suceso B ha ocurrido. P(A/B) = P(A B) P(B) EJEMPLOS: 26. En un curso se formaron tres grupos para preparar un trabajo sobre la vida y obra de: Pitágoras, Euclides y Descartes como se muestra en la siguiente tabla: Grupo 1 2 3 Tema Pitágoras Euclides Descartes Damas 5 4 4 A) B) C) D) E) Al lanzar tres dados, si la suma de los puntos obtenidos es 4, entonces ¿cuál es la probabilidad que aparezca un dos? A) Varones 3 4 6 La profesora elige al azar a un sólo integrante de cada grupo para que exponga el tema. ¿Cuál es la probabilidad de que en los tres grupos la representante sea una dama? 1 2 9 16 5 26 1 27. B) 28. C) D) E) 1 36 1 2 1 En una urna hay 20 fichas numeradas del 1 al 20. Si se saca una al azar, ¿cuál es la probabilidad que sea número par o múltiplo de 3? A) 24 1 8 3 216 1 216 B) 16 20 19 20 3 20 13 D) 20 3 E) 10 C) DEFINICIONES Una variable es una cantidad o magnitud que no es constante, que es susceptible de variar. Una variable aleatoria es una variable cuyos valores son determinados por el resultado de un experimento aleatorio. Una variable aleatoria X está determinada si se conoce: Los valores que toma: x1, x2, x3, ... xk La probabilidad con que toma cada uno de esos valores: p1 + p2 + p3 + ... + pk = 1 p 1, p2, p3, ... Pk donde Con todo lo anterior se dice que se tiene definida una distribución de probabilidad. El gráfico que representa las probabilidades de cada uno de los valores de la variable aleatoria se denomina ley de probabilidad de la variable aleatoria. EJEMPLOS 29. ¿Cuál de los siguientes enunciados define una variable aleatoria? A) B) C) D) E) El número accidentes automovilísticos que hay por día en la ciudad de Puerto Montt. El número de autos blancos estacionados frente al preuniversitario. El tiempo empleado en responder esta pregunta. El número de varones de una familia con cinco hijos. Todas las anteriores. 30. ¿Cuál(es) de los siguientes enunciados no define una variable aleatoria? I) II) III) A) B) C) D) E) Soltar una piedra. Las horas de duración de una pila. El número de departamentos de un edificio. Sólo I Sólo I y II Sólo I y III Sólo II y III I, II y III CLASE 6: DATOS Y AZAR RANGO Rango o recorrido es la diferencia entre el mayor y el menor de los datos. DESVIACIÓN ESTÁNDAR o TÍPICA Es una medida de dispersión y nos indica cuánto tienden a alejarse los datos del promedio aritmético. Para calcular la desviación estándar ( ) se utiliza la siguiente fórmula: Para datos no agrupados = Para datos agrupados en tablas de frecuencia = (x1 x)2 + (x2 x)2 + ... + (xn x)2 n f1 · (x1 x)2 +f2 · (x2 x)2 + ... + fn · (x n x)2 f1 + f2 + f3 + ..... + fn Donde xi : marca de clase fi : frecuencia OBSERVACIÓN: Al trabajar con datos agrupados en intervalos se utiliza la marca de clase de cada uno de ellos, en lugar de xi. PROPIEDADES Sea x una variable aleatoria y k un número real 1) (x) 0 2) (k) = 0 3) (x + k) = (x) 4) (kx) = k· (x) EJEMPLO: 31. Con respecto a la tabla de frecuencias adjunta, ¿cuál(es) de la siguientes proposiciones es (son) verdadera(s)? I) II) III) A) B) C) D) E) El promedio es 6. El total de datos es 5. La desviación estándar es Solo I Solo I y II Solo I y III Solo II y III I, II y III 12,8 . Edad (años) Nº de niños [0 – 4[ [4 – 8[ [8 – 12[ 2 1 2 VARIANZA Es otra medida de dispersión que corresponde al cuadrado de la desviación estándar. Var(x) = 2 = Para datos agrupados en tablas de frecuencia (x1 x)2 + (x2 x)2 + ... + (xn x)2 n Var(x) = 2 = f1 (x1 x)2 + f2 (x2 x)2 + ... + fn (xn x)2 f1 + f2 + f3 + ... + fn Donde xi : variable fi : frecuencia OBSERVACIÓN: 1. El valor de la varianza es siempre un número no negativo 2. Al trabajar con datos agrupados en intervalos se utiliza la marca de clase de cada uno de ellos, en lugar de xi. PROPIEDADES DE LA VARIANZA Sea x una variable aleatoria y k un número real 1) Var (x) 0 2) Var (k) = 0 3) Var (x + k) = Var (x) 4) Var (kx) = k2 · Var(x) EJEMPLO: 32. ¿Cuál(es) de las siguientes afirmaciones es (son) verdadera(s)? I) II) III) A) B) C) D) E) La varianza puede ser igual a la desviación estándar. Si sumamos a todos los valores de la variable una constante, la varianza no cambia. La varianza es la raíz cuadrada de la desviación estándar. Solo I Solo II Solo III Solo I y II I, II y III 33. En una muestra de 10 datos se obtiene una desviación estándar igual a 1,5. Si a cada elemento de la muestra se agregan 10 unidades, entonces, la nueva desviación estándar y varianza son, respectivamente Desv. Est. A) B) C) D) E) 101,5 101,5 11,5 1,5 1,5 Varianza 102,25 12,25 12,25 102,25 2,25 VARIABLES ALEATORIAS Se llama VARIABLE ALEATORIA a toda función que asocia un número real a cada elemento del espacio muestral de un experimento aleatorio. OBSERVACIÓN: Se simbolizan con letras mayúsculas, por ejemplo: X ; Y ; Z ;… VARIABLES ALEATORIAS DISCRETAS (VAD) Son aquellas que pueden tomar una cantidad finita de valores o una cantidad infinita numerable de valores. Ejemplos: Suma de puntos en el lanzamiento de dos dados, las preguntas correctas en una prueba, números de hijos de una familia etc. VARIABLES ALEATORIAS CONTINUAS (VAC) Son aquellas que pueden tomar todos los valores posibles dentro de un cierto intervalo en los números reales. Ejemplos: peso de los alumnos de un curso, tiempo de funcionamiento de un dispositivo electrónico, cantidad de agua consumida en mes por una familia, etc. EJEMPLO: Se define la variable aleatoria X como el número de hijos varones que puede tener un matrimonio que tiene tres hijos. La tabla muestra los posibles resultados, representando con m a las hijas y con v a los hijos, y los valores de la variable X: Resultados posibles (m,m,m) (v,m,m);(m,v,m);(m,m,v) (v,v,m);(v,m,v);(m,v,v) (v,v,v) Valores de X 0 1 2 3 EJEMPLO: 34. Se lanza dos veces un dado y se define la variable aleatoria X, como el valor absoluto de la diferencia de los puntos. ¿Cuál(es) de las siguientes afirmaciones es (son) verdadera(s)? I) II) III) A) B) C) D) E) X es una variable aleatoria discreta. El recorrido de la variable tiene 6 elementos. El conjunto de valores posibles de variable aleatoria X son {0,1,2,3,4,5}. Solo I Solo III Solo I y III Solo II y III I, II y III FUNCIÓN DE PROBABILIDAD Se llama función de probabilidad de una variable aleatoria discreta “X” a la aplicación que asocia a cada valor de xi de la variable su probabilidad pi. Se denota por f(x) = P(X = xi) PROPIEDADES 1. 0 f(xi) 1 2. f(x1) + f(x2) + … + f(xn) = 1 EJEMPLO Definida la variable X como el número de hijos varones que puede tener un matrimonio que con tres hijos. La tabla muestra la probabilidad para los diferentes valores de X: Resultados Valores de X (m,m,m) (v,m,m);(m,v,m);(m,m,v) (v,v,m);(v,m,v);(m,v,v) (v,v,v) 0 1 2 3 f(xi) = P(X = xi) 1/8 3/8 3/8 1/8 Función de probabilidad f(x) 3 8 f(x1) + f(x2) + f(x3) + f(x4) = 1 1 3 3 1 + + + =1 8 8 8 8 1 8 0 1 2 3 Valores v.a. EJEMPLO 35. Una bolsa contiene 4 cubos azules y 3 verdes, el experimento consiste en sacar dos cubos uno tras otro sin reposición. Si se define la variable aleatoria X: número de cubos azules obtenidos, ¿cuál(es) de las siguientes afirmaciones es (son) verdadera(s)? I) II) III) A) B) C) D) E) Los valores de la variable aleatoria son {0, 1, 2} El máximo de cubos azules que se pueden obtener en el experimento es cuatro. 4 P(1) = 7 Solo II Solo I y II Solo II y III Solo I y III I , II y III CLASE 7: DISTRIBUCIÓN FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD La función de distribución de probabilidad F(x) asocia a cada valor de x la probabilidad acumulada, es decir F(x) = P(X x). PROPIEDADES 1. 2. 3. Como F(x) es una probabilidad, se cumple que 0 F(x) 1 Si a < b, entonces P(a < x b) = F (b) – F (a) P(X > a) = 1 – P(X a) = 1 – F(a) OBSERVACIONES En el caso de variable aleatoria discreta la función de distribución de probabilidad es una función escalonada. En el caso de variable aleatoria continua la función de distribución de probabilidad es una función contínua. Función de distribución Función de distribución F(x) F(x) 1 EJEMPLOS: 1. Para la variable X definida como el número de hijos varones que puede tener un matrimonio que tiene tres hijos, la siguiente tabla muestra la función probabilidad para los diferentes valores de X: Valores de X p(xi) = P(X = xi) 1 8 3 8 3 8 1 8 0 1 2 3 2. Valores v.a. contínua Valores v.a. discreta 1 8 F(x) = P(X x) = si x 0 1 3 4 + = 8 8 8 si x 1 4 3 7 + = 8 8 8 si x 2 7 1 + =1 8 8 si x 3 La tabla adjunta muestra la función de probabilidad de una variable aleatoria W: 1,0 0,8 0,6 0,4 0,2 1 2 3 4 v.a. W 1 2 3 4 P(W = wi) 0,1 0,3 0,2 0,4 DISTRIBUCIÓN NORMAL Para variables aleatorias continuas X, la función de probabilidad es denominada Función de densidad de probabilidad, es una función continua y la probabilidad de que la variable esté comprendida en el intervalo a, b está dada por el área bajo la curva de la función entre los puntos a y b. y f(x) P(a < x < b) a b x La distribución más importante dentro de las distribuciones continuas es la distribución normal. Es un modelo matemático, que recibe su nombre debido a que en cierto momento se pensó que la mayoría de los fenómenos estaban distribuidos de dicha manera. Esta distribución permite representar fenómenos estadísticos de manera probabilística. El gráfico de la función de densidad de una variable aleatoria con distribución normal es similar al mostrado en la figura, es decir tiene una forma conocida como Campana de Gauss, y es simétrico con respecto a la media, . Esta distribución queda definida por dos parámetros: la media () y la desviación estándar (), y se denota X ~ N( ;). CARACTERÍSTICAS 1. El área bajo la curva es igual a la unidad 2. Es simétrica con respecto a x = , y deja un área igual a 0,5 a la izquierda y otra de 0,5 a la derecha, es decir, hay una probabilidad del 50% de observar un dato mayor a la media y un 50% de observar un dato menor a la media. 3. Es asintótica al eje de las abscisas, es decir, la curva se acerca lo más posible al eje de las X sin llegar a tocarlo. 4. La media, moda y mediana coinciden. 5. La probabilidad equivale al área encerrada bajo la curva. INTERVALOS DE UNA DISTRIBUCIÓN NORMAL Si una población tiene media y desviación estándar , se tiene que En el intervalo 2, 2 el área encerrada es 0,9544 es decir, 95,44% del total. En el intervalo , el área encerrada es 0,6826 es decir, 68,26% del total. – – 2 + 3, 3 el área encerrada es 0,9973 es decir, 99,73% del total. En el intervalo – 3 + 2 + 3 DISTRIBUCIÓN NORMAL ESTÁNDAR La distribución normal estándar o tipificada, es aquella que tiene media 0 y desviación estándar 1. Se denota por X ~ N(0;1) CARACTERíSTICAS: 1. 2. P(X x1) f(x) =0 3. P(X x1) = 1 – P (X x1) x1 x1 4. P(X -x1) = P(X x1) -x1 x1 Para calcular la probabilidad en distribuciones normales , cuando los límites de la variable sean distintos de la media más o menos desviaciones estándar, se deben usar tablas que presentan las áreas bajo las curvas y que permiten determinar la probabilidad en ese intervalo. Para una variable aleatoria continua X con distribución normal estándar N(0,1), calcular la probabilidad de que tome un valor menor o igual a 1,87 Solución: Determinar P (X 1,87) Gráficamente: P(X 1,87) = 0,96926 Según tabla: x 0,07 1,8 0,96926 1,87 Para una variable aleatoria X con distribución normal N(, ) ,los datos se pueden estandarizar X con distribución normal N(0 , 1). o normalizar utilizando una variable aleatoria Z = Entonces la probabilidad en términos de la variable X puede calcularse en términos de Z, utilizando las tablas de distribución tipificada, es decir: x P(X x) = P Z σ Sea la variable aleatoria X con distribución N(23, 5), calcular la probabilidad de que tome un valor a) mayor a 30 b) entre 24 y 26. Solución: a) P(X > 30) = 1 – P (X 30) 30 23 = 1 – P Z 5 = 1 – P(Z 1,4) = 1 – 0,91924 = 0,08076 P(X > 30) = 1 – P(X 30) 23 30 1,4 (Tabla página 31) P(Z > 1,4) = 1 – P(Z 1,4) 1,4 b) P(24 < X < 26) = P(X < 26) – P(X < 24) 26 23 24 23 P Z < = P Z < 5 5 = P (Z < 0,6) – P(Z < 0,2) = 0,72575 – 0,57926 = 0,14649 P(0,6 < Z < 0,2) P(24 < X < 26) 23 24 26 0,2 0,6 EJEMPLOS 36. La longitudes, en cm, de los palillos que fabrica una empresa, tiene una distribución N(10 ;0,3). ¿Cuál es la probabilidad de que un palillo mida menos de 10 cm? A) B) C) D) E) 1 0,7 0,5 0,4 0,3 37. En una distribución normal estándar si P(X a) = m; entonces P(X > a) = A) B) C) D) E) -m m m–1 1–m no se puede determinar. 38. Si X ~ N(0,1) , entonces ¿cuál(es) de las siguientes afirmaciones es (son) verdaderas? I) II) III) A) B) C) D) E) La probabilidad P(X < 0) es 50%. P(X > 2,1) = 1 – P(X < 2,1). P(X = 0,5) = 0. Solo I Solo II Solo I y II Solo I y III I, II y III TABLA DE DISTRIBUCIÓN NORMAL N(01) x 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4,0 0,00 0,50000 0,53983 0,57926 0,61791 0,65542 0,69146 0,72575 0,75804 0,78814 0,81594 0,84134 0,86433 0,88493 0,90320 0,91924 0,93319 0,94520 0,95543 0,96407 0,97128 0,97725 0,98214 0,98610 0,98928 0,99180 0,99379 0,99534 0,99653 0,99744 0,99813 0,99865 0,99903 0,99931 0,99952 0,99966 0,99977 0,99984 0,99989 0,99993 0,99995 0,99997 0,01 0,50399 0,54380 0,58317 0,62172 0,65910 0,69497 0,72907 0,76115 0,79103 0,81859 0,84375 0,86650 0,88686 0,90490 0,92073 0,93448 0,94630 0,95637 0,96485 0,97193 0,97778 0,98257 0,98645 0,98956 0,99202 0,99396 0,99547 0,99664 0,99752 0,99819 0,99869 0,99906 0,99934 0,99953 0,99968 0,99978 0,99985 0,99990 0,99993 0,99995 0,99997 0,02 0,50798 0,54776 0,58706 0,62552 0,66276 0,69847 0,73237 0,76424 0,79389 0,82121 0,84614 0,86864 0,88877 0,90658 0,92220 0,93574 0,94738 0,95728 0,96562 0,97257 0,97831 0,98300 0,98679 0,98983 0,99224 0,99413 0,99560 0,99674 0,99760 0,99825 0,99874 0,99910 0,99936 0,99955 0,99969 0,99978 0,99985 0,99990 0,99993 0,99996 0,99997 0,03 0,51197 0,55172 0,59095 0,62930 0,66640 0,70194 0,73565 0,76730 0,79673 0,82381 0,84849 0,87076 0,89065 0,90824 0,92364 0,93699 0,94845 0,95818 0,96638 0,97320 0,97882 0,98341 0,98713 0,99010 0,99245 0,99430 0,99573 0,99683 0,99767 0,99831 0,99878 0,99913 0,99938 0,99957 0,99970 0,99979 0,99986 0,99990 0,99994 0,99996 0,99997 0,04 0,51595 0,55567 0,59483 0,63307 0,67003 0,70540 0,73891 0,77035 0,79955 0,82639 0,85083 0,87286 0,89251 0,90988 0,92507 0,93822 0,94950 0,95907 0,96712 0,97381 0,97932 0,98382 0,98745 0,99036 0,99266 0,99446 0,99585 0,99693 0,99774 0,99836 0,99882 0,99916 0,99940 0,99958 0,99971 0,99980 0,99986 0,99991 0,99994 0,99996 0,99997 0,05 0,51994 0,55962 0,59871 0,63683 0,67364 0,70884 0,74215 0,77337 0,80234 0,82894 0,85314 0,87493 0,89435 0,91149 0,92647 0,93943 0,95053 0,95994 0,96784 0,97441 0,97982 0,98422 0,98778 0,99061 0,99286 0,99461 0,99598 0,99702 0,99781 0,99841 0,99886 0,99918 0,99942 0,99960 0,99972 0,99981 0,99987 0,99991 0,99994 0,99996 0,99997 0,06 0,52392 0,56356 0,60257 0,64058 0,67724 0,71226 0,74537 0,77637 0,80511 0,83147 0,85543 0,87698 0,89617 0,91309 0,92785 0,94062 0,95154 0,96080 0,96856 0,97500 0,98030 0,98461 0,98809 0,99086 0,99305 0,99477 0,99609 0,99711 0,99788 0,99846 0,99889 0,99921 0,99944 0,99961 0,99973 0,99981 0,99987 0,99992 0,99994 0,99996 0,99998 0,07 0,52790 0,56749 0,60642 0,64431 0,68082 0,71566 0,74857 0,77935 0,80785 0,83398 0,85769 0,87900 0,89796 0,91466 0,92922 0,94179 0,95254 0,96164 0,96926 0,97558 0,98077 0,98500 0,98840 0,99111 0,99324 0,99492 0,99621 0,99720 0,99795 0,99851 0,99893 0,99924 0,99946 0,99962 0,99974 0,99982 0,99988 0,99992 0,99995 0,99996 0,99998 0,08 0,53188 0,57142 0,61026 0,64803 0,68439 0,71904 0,75175 0,78230 0,81057 0,83646 0,85993 0,88100 0,89973 0,91621 0,93056 0,94295 0,95352 0,96246 0,96995 0,97615 0,98124 0,98537 0,98870 0,99134 0,99343 0,99506 0,99632 0,99728 0,99801 0,99856 0,99896 0,99926 0,99948 0,99964 0,99975 0,99983 0,99988 0,99992 0,99995 0,99997 0,99998 0,09 0,53586 0,57535 0,61409 0,65173 0,68793 0,72240 0,75490 0,78524 0,81327 0,83891 0,86214 0,88298 0,90147 0,91774 0,93189 0,94408 0,95449 0,96327 0,97062 0,97670 0,98169 0,98574 0,98899 0,99158 0,99361 0,99520 0,99643 0,99736 0,99807 0,99861 0,99900 0,99929 0,99950 0,99965 0,99976 0,99983 0,99989 0,99992 0,99995 0,99997 0,99998 Basado en Material de Preuniversitario Pedro de Valdivia (Por favor no distribuir y mantener para el uso personal) Recuerda visitar nuestra página web para más material e información http://www.derechoalau.cl/
© Copyright 2024