cuarto parcial

Cuarto Parcial

Antecedentes históricos de la estadísticas y probabilidad 

Estadisticas 

La estadistica es la ciencia cuyo objetivo es reunir una informacion cuantitativa en interpretacion de numeros con el fin de realizar una toma de decisiones, la estadistica fue allada por John Graunt en el antiguo ejipto desde la civilizacion an existido formas sencillas de setadistica pues ya se utilizaban representaciones graficas y otros simbolos en pieles, rocas, palos de madera y paredes de cuevas para contar el numero de personas, hacia el año 3000 a.c los babilonios utilizaban pequeñas tablillas de arcilla para recopilar datos sobre la produccion agricola y generos vendidos.Los ejipcios analizaban los datos de poblacion y la renta del pais antes de la construcion de las piramides aproximados al año 3000 a.c. los libros boblicos de numeros y cronicas incluyen trabajos de la estadistica, el primero contiene dos censos de la poblacion de israel y el segundo describe el bienestar material de las diversas tribus jidias. En la poblacion de china existian registros similares con anterioridad al año 2000 a.c. Los griegos realizaban censos cuya informacion se utilizaba hacia el año 594 a.c para la comprobacion de los impuestos. El imperio romano fue el primero gobierno que recopilo cantidades de datos acerca de la poblacion, superficie y la renta de todos los territorios que estaban bajo su control, en la esdad media solo se realizaron censos en europa. D urante el brote de peste que aparecio a finales de la decada 1500 el gobierno ingles comenzo a publicar estadisticas semanales de los decensos, la cuenta de mortalidad, los nacimientos y los fallecimientos por sexo. El campo de la estadistica se refiere al calculo de probalilidades en la rama de interminismo o relatividad y fue conocida en la rama de la fisica.

Probabilidad 

La historia de la probabilidad comienza en el siglo XVII cuando Pierre Fermat  y Blaise Pasca tratan de resolver algunos problemas relacionados con los juegos de azar. Aunque algunos marcan sus inicios cuando Cardano (jugador donde los haya) escribió sobre 1520 El Libro de los Juegos de Azar (aunque no fué publicado hasta más de un siglo después, sobre 1660) no es hasta dicha fecha que comienza a elaborarse una teoría aceptable sobre los juegos.

Christian Huygens conoció la correspondencia entre Blaise Pascal y Pierre Fermat suscitada por el caballero De Méré, se planteó el debate de determinar la probabilidad de ganar una partida, y publicó (en 1657) el primer libro sobre probabilidad: De Ratiociniis in Ludo Aleae, (Calculating in Games of Chance), un tratado sobre juegos de azar.Se aceptaba como intuitivo el concepto de equiprobabilidad, se admitía que la probabilidad de conseguir un acontecimiento fuese igual al cociente entre

Durante el siglo XVIII, debido muy particularmente a la popularidad de los juegos de azar, el cálculo de probabilidades tuvo un notable desarrollo sobre la base de la anterior definición de probabilidad. Destacan en 1713 el teorema de Bernoulli y la distribución binomial, y en 1738 el primer caso particular estudiado por De Moivre , del teorema central del límite. En 1809 Gauss inició el estudio de la teoría de errores y en 1810 Laplace, que había considerado anteriormente el tema, completó el desarrollo de esta teoría. En 1812 Pierre Laplace publicó Théorie analytique des probabilités en el que expone un análisis matemático sobre los juegos de azar.

A mediados del siglo  XIX, un fraile agustino austríaco, Gregor Mendel, inició el estudio de la herencia, la genética, con sus interesantes experimentos sobre el cruce de plantas de diferentes características. Su obra, La matemática de la Herencia, fue una de las primeras aplicaciones importantes de la teoría de probabilidad a las ciencias naturales

Medidas de tendencia central para datos no agrupados y agrupados

Medidas de Tendencia Central para datos no agrupados

Existen tres medidas comunes para identificar el centro de un conjunto de datos: la media, mediana y moda. En cada caso, se ubican alrededor del punto en donde se aglomeran los datos.

Media: Medida de tendencia central usualmente llamada promedio, se define como la división de la suma de todos los valores entre el numero de datos.

Mediana: Del conjunto de datos obtenidos es el valor que al organizar los datos en orden ascendente o descenderte a la mitad o centro de los mismos. La posición que ocupa la mediana puede ser determinada mediante la siguiente fórmula:

Mediana =X_[(n/2)+1/2]

Ejemplo: Dados los siguientes 8 datos ordenados en orden ascendente: 5,8,8,11,11,11,14,16., encuentra la mediana.

Utilizando la formula para ubicar la posición del dato que representa la mediana     indica que:

Mediana =(8/2)+1/2 = 4.5

Por lo que la mediana esta ubicada entre el dato 4 y 5; el valor del dato 4 es “ 11” y del dato 5 es “ 11”, por lo que al sacar el promedio, da que la mediana de la muestra estudiada es 11.

Moda: Es el dato que ocurre con mayor frecuencia en un conjunto de elementos estudiados. Del ejemplo anterior donde los datos recopilados son: 5,8,8,11,11,11,14,16; el dato que ocurre con mayor frecuencia es el valor 1, siendo este valor la moda.

Media ponderada: es una media aritmética, en la cual se considera a cada uno de los valores de acuerdo con su importancia en el grupo.

Mediana Ponderada

En donde:

X = Observación individual

Q= el peso o ponderación asignada a cada observación

Medidas de Tendencia Central para datos agrupados

Cuando se trabaja con datos que han sido agrupados en una distribución de frecuencias, no se sabe con certeza los valores individuales de cada dato. Por lo que se utilizan métodos alternos para aproximar los valores de las medidas descriptivas.

Media para datos agrupados: Al calcular la media para datos agrupados, se supone que las observaciones en cada clase son iguales al punto medio de la clase

Mediana: Primero se encuentra la clase mediana, la cual es la clase cuya frecuencia acumulada es mayor o igual a n/2 y puede determinarse mediante la siguiente fórmula:

La moda es la observación que ocurre con mayor frecuencia, por lo que es necesario identificar la clase modal, esta se localiza encontrando la clase que tenga más frecuencia.

Medidas de Dispersión 

Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución.

Las medidas de dispersión son:

Rango o recorrido

El rango es la diferencia entre el mayor y el menor de losdatos de una distribución estadística.

Desviación media

La desviación respecto a la media es la diferencia entre cada valor de la variable estadística y la media aritmética.

D_i = x - x

La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto a la media.

La desviación media se representa por 

Ejemplo

Calcular la desviación media de la distribución:

9, 3, 8, 8, 9, 8, 9, 18

Desviación media para datos agrupados

Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la desviación media es:

Ejemplo

Calcular la desviación media de la distribución:

	xi	fi	xi · fi	|x - x|	|x - x| · fi
[10, 15)	12.5	3	37.5	9.286	27.858
[15, 20)	17.5	5	87.5	4.286	21.43
[20, 25)	22.5	7	157.5	0.714	4.998
[25, 30)	27.5	4	110	5.714	22.856
[30, 35)	32.5	2	65	10.174	21.428
		21	457.5		98.57

Varianza

La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media de una distribución estadística.

La varianza se representa por .

Varianza para datos agrupados

Para simplificar el cálculo de la varianza vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

Varianza para datos agrupados

Ejercicios de varianza

Calcular la varianza de la distribución:

9, 3, 8, 8, 9, 8, 9, 18

Calcular la varianza de la distribución de la tabla:

	xi	fi	xi · fi	xi2 · fi
[10, 20)	15	1	15	225
[20, 30)	25	8	200	5000
[30,40)	35	10	350	12 250
[40, 50)	45	9	405	18 225
[50, 60	55	8	440	24 200
[60,70)	65	4	260	16 900
[70, 80)	75	2	150	11 250
		42	1 820	88 050

Propiedades de la varianza

1 La varianza será siempre un valor positivo o cero, en el caso de que las puntuaciones sean iguales.

2 Si a todos los valores de la variable se les suma un número la varianza no varía.

3 Si todos los valores de la variable se multiplican por un número la varianza queda multiplicada por el cuadrado de dicho número.

4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas se puede calcular la varianza total.

Si todas las muestras tienen el mismo tamaño:

Si las muestras tienen distinto tamaño:

Observaciones sobre la varianza

1 La varianza, al igual que la media, es un índice muy sensible a las puntuaciones extremas.

2 En los casos que no se pueda hallar la media tampoco será posible hallar la varianza.

3 La varianza no viene expresada en las mismas unidades que los datos, ya que las desviaciones están elevadas al cuadrado.

Desviación típica

La desviación típica es la raíz cuadrada de la varianza.

Es decir, la raíz cuadrada de la media de los cuadrados de las puntuaciones de desviación.

La desviación típica se representa por σ.

Desviación típica para datos agrupados

Para simplificar el cálculo vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

Desviación típica para datos agrupados

Ejercicios de desviación típica

Calcular la desviación típica de la distribución:

9, 3, 8, 8, 9, 8, 9, 18

Calcular la desviación típica de la distribución de la tabla:

	xi	fi	xi · fi	xi2 · fi
[10, 20)	15	1	15	225
[20, 30)	25	8	200	5000
[30,40)	35	10	350	12 250
[40, 50)	45	9	405	18 225
[50, 60)	55	8	440	24 200
[60,70)	65	4	260	16 900
[70, 80)	75	2	150	11 250
		42	1 820	88 050

Propiedades de la desviación típica

1 La desviación típica será siempre un valor positivo o cero, en el caso de que las puntuaciones sean iguales.

2 Si a todos los valores de la variable se les suma un número la desviación típica no varía.

3 Si todos los valores de la variable se multiplican por un número la desviación típica queda multiplicada por dichonúmero.

4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas desviaciones típicas se puede calcular la desviación típica total.

Si todas las muestras tienen el mismo tamaño:

Si las muestras tienen distinto tamaño:

Observaciones sobre la desviación típica

1 La desviación típica, al igual que la media y la varianza, es un índice muy sensible a las puntuaciones extremas.

2 En los casos que no se pueda hallar la media tampoco será posible hallar la desviación típica.

3 Cuanta más pequeña sea la desviación típica mayor será la concentración de datos alrededor de la media.

Probabilidad 

La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.

Experimentos deterministas

Son los experimentos de los que podemos predecir el resultado antes de que se realicen.

Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas, que la piedra bajará. Si la arrojamos hacia arriba, sabemos que subirá durante un determinado intervalo de tiempo; pero después bajará.

Experimentos aleatorios

Son aquellos en los que no se puede predecir el resultado, ya que éste depende del azar.

Ejemplos:

Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz.

Si lanzamos un dado tampoco podemos determinar el resultado que vamos a obtener.

Teoría de probabilidades

La teoría de probabilidades se ocupa de asignar un cierto número a cada posible resultado que pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un suceso es más probable que otro. Con este fin, introduciremos algunasdefiniciones:

Suceso

Es cada uno de los resultados posibles de una experiencia aleatoria.

Ejemplos:

Al lanzar una moneda salga cara.

Al lanzar un dado se obtenga 4.

Espacio muestral

Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo representaremos por E (o bien por la letra griega Ω).

Ejemplos:

Espacio muestral de una moneda:

E = {C, X}.

Espacio muestral de un dado:

E = {1, 2, 3, 4, 5, 6}.

Suceso aleatorio

Suceso aleatorio es cualquier subconjunto del espacio muestral.

Ejemplos:

Tirar un dado un suceso sería que saliera par, otro, obtener múltiplo de 3, y otro, sacar 5.

Un ejemplo completo

Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas. Calcular:

1. El espacio muestral.

E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}

2. El suceso A = {extraer tres bolas del mismo color}.

A = {(b,b,b); (n, n,n)}

3. El suceso B = {extraer al menos una bola blanca}.

B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}

4. El suceso C = {extraer una sola bola negra}.

C = {(b,b,n); (b,n,b); (n,b,b)}