Probabilidad y Estadística II
Probabilidad y Estadística II
Probabilidad y Estadística II
Estadística II
COLEGIO DE BACHILLERES
DEL ESTADO DE SONORA
Director General
Lic. Eusebio Pillado Hernández
Director Académico
Lic. Jorge Alberto Ponce Salazar
Director de Planeación
Dr. Jorge Ángel Gastélum Islas
PROBABILIDAD Y ESTADÍSTICA II
Módulo de Aprendizaje.
Copyright ©, 2008 por Colegio de Bachilleres
del Estado de Sonora.
Todos los derechos reservados.
Segunda edición 2010. Impreso en México.
DIRECCIÓN ACADÉMICA
Departamento de Desarrollo Curricular
Blvd. Agustín de Vildósola, Sector Sur
Hermosillo, Sonora. México. C.P. 83280
COMISIÓN ELABORADORA:
Elaboración:
Sonia Patricia Ramírez Cuadra
Luis Alberto Gutiérrez Valderrama
Revisión de Contenido:
María Elena Raya Godoy
Adán Durazo Armenta
Corrección de Estilo:
Antonia Sánchez Primero
Supervisión Académica:
Nancy Vianey Morales Luna
Edición:
Ana Isabel Ramírez Vásquez
Coordinación Técnica:
Martha Elizabeth García Pérez
Coordinación General:
Lic. Jorge Alberto Ponce Salazar
2
Ubicación Curricular
COMPONENTE: GRUPOS 3 Y 4:
FORMACIÓN ECONÓMICO
PROPEDÉUTICA ADMINISTRATIVO Y
HUMANIDADES Y CIENCIAS
SOCIALES
Nombre: ______________________________________________________
Plantel: _________________________________________________________
Domicilio: _____________________________________________________
______________________________________________________________
3
Mapa Conceptual de la Asignatura
4
Índice
Recomendaciones para el alumno ......................................................................8
Presentación.........................................................................................................8
5
RIEMS
Introducción
El Colegio de Bachilleres del estado de Sonora, en atención a los programas de
estudio emitidos por la Dirección General de Bachillerato (DGB), ha venido
realizando la elaboración del material didáctico de apoyo para nuestros
estudiantes, con el fin de establecer en ellos los contenidos académicos a
desarrollar día a día en aula, así como el enfoque educativo de nuestra Institución.
Es por ello, que actualmente, se cuenta con los módulos y guías de aprendizaje
para todos los semestres, basados en los contenidos establecidos en la Reforma
Curricular 2005. Sin embargo, de acuerdo a la reciente Reforma Integral de
Educación Media Superior, la cual establece un enfoque educativo basado en
competencias, es necesario conocer los fines de esta reforma, la cual se dirige a
la totalidad del sistema educativo, pero orienta sus esfuerzos a los perfiles del
alumno y profesor, siendo entonces el camino a seguir el desarrollo de las
competencias listadas a continuación y aunque éstas deberán promoverse en
todos los semestres, de manera más precisa entrará a partir de Agosto 2009, en
el primer semestre.
Competencias Genéricas
CATEGORIAS COMPETENCIAS GENÉRICA
1. Se conoce y valora a sí mismo y aborda problemas y retos
I. Se autodetermina
teniendo en cuenta los objetivos que persigue.
y cuida de sí.
2. Es sensible al arte y participa en la apreciación e interpretación
de sus expresiones en distintos géneros.
3. Elige y practica estilos de vida saludables.
II. Se expresa y 4. Escucha, interpreta y emite mensajes pertinentes en distintos
comunica contextos mediante la utilización de medios, códigos y
herramientas apropiados.
5. Desarrolla innovaciones y propone soluciones a problemas a
partir de métodos establecidos.
III. Piensa crítica y
6. Sustenta una postura personal sobre temas de interés y
reflexivamente
relevancia general, considerando otros puntos de vista de manera
crítica y reflexiva.
IV. Aprende de 7. Aprende por iniciativa e interés propio a lo largo de la vida.
forma autónoma
V. Trabaja en forma 8. Participa y colabora de manera efectiva en equipos diversos.
colaborativa
9. Participa con una conciencia cívica y ética en la vida de su
VI. Participa con comunidad, región, México y el mundo.
responsabilidad en 10. Mantiene una actitud respetuosa hacia la interculturalidad y la
la sociedad diversidad de creencias, valores, ideas y prácticas sociales.
11. Contribuye al desarrollo sustentable de manera crítica, con
acciones responsables.
6
Competencias Disciplinares Básicas
Matemáticas
1. Construye e interpreta modelos matemáticos mediante la aplicación de
procedimientos aritméticos, algebraicos, geométricos y variacionales, para la
comprensión y análisis de situaciones reales, hipotéticas o formales.
2. Formula y resuelve problemas matemáticos, aplicando diferentes enfoques.
3. Explica e interpreta los resultados obtenidos mediante procedimientos matemáticos y
los contrasta con modelos establecidos o situaciones reales.
4. Argumenta la solución obtenida de un problema, con métodos numéricos, gráficos,
analíticos o variacionales, mediante el lenguaje verbal, matemático y el uso de las
tecnologías de la información y la comunicación.
5. Analiza las relaciones entre dos o más variables de un proceso social o natural para
determinar o estimar su comportamiento.
6. Cuantifica, representa y contrasta experimental o matemáticamente las magnitudes
del espacio y las propiedades físicas de los objetos que lo rodean.
7. Elige un enfoque determinista o uno aleatorio para el estudio de un proceso o
fenómeno, y argumenta su pertinencia.
8. Interpreta tablas, gráficas, mapas, diagramas y textos con símbolos matemáticos y
científicos.
Competencias docentes:
1. Organiza su formación continua a lo largo de su trayectoria profesional.
2. Domina y estructura los saberes para facilitar experiencias de aprendizaje
significativo.
3. Planifica los procesos de enseñanza y de aprendizaje atendiendo al enfoque
por competencias, y los ubica en contextos disciplinares, curriculares y
sociales amplios.
4. Lleva a la práctica procesos de enseñanza y de aprendizaje de manera
efectiva, creativa e innovadora a su contexto institucional.
5. Evalúa los procesos de enseñanza y de aprendizaje con un enfoque
formativo.
6. Construye ambientes para el aprendizaje autónomo y colaborativo.
7. Contribuye a la generación de un ambiente que facilite el desarrollo sano e
integral de los estudiantes.
8. Participa en los proyectos de mejora continua de su escuela y apoya la
gestión institucional.
7
Recomendaciones para el alumno
El presente Módulo de Aprendizaje constituye un importante apoyo para ti; en él
se manejan los contenidos mínimos de la asignatura Probabilidad y Estadística II.
No debes perder de vista que el Modelo Académico del Colegio de Bachilleres del
Estado de Sonora propone un aprendizaje activo, mediante la investigación, el
análisis y la discusión, así como el aprovechamiento de materiales de lectura
complementarios; de ahí la importancia de atender las siguientes
recomendaciones:
Presentación
La asignatura de Probabilidad y Estadística II que pertenece al Grupo Disciplinario
Económico–Administrativo, tiene como propósito formar al alumno en el manejo
de los datos y el cálculo de las probabilidades de ocurrencia como un
fundamento para comprender los diversos fenómenos o situaciones que existen
en la economía, la administración e inclusive otros campos profesionales tales
como: la Sociología, la Medicina, la Ingeniería, el Diseño, la Química, la Física y en
general en cualquier otra actividad humana.
8
Unidad 1
Probabilidad
Conjunta.
Objetivos:
El alumno:
Organizador anticipado:
La probabilidad se basa en el estudio de poblaciones y Temario:
muestras, mismas que se ven involucradas en diferentes
eventos. Ü Conceptos básicos de
probabilidad.
Esta unidad, te ayudará a comprender la probabilidad y su Ü Probabilidad conjunta.
Ü Regla de la adición.
Ü
aplicación en la vida cotidiana.
Probabilidad condicional e
independencia.
Ü Regla de la multiplicación
Ü Teorema de Bayes.
Probabilidad y Estadística II
PROBABILIDAD CONJUNTA
Teorema de Bayes
10
Probabilidad Conjunta
1. 1. TEORÍA COMBINATORIA.
En estos tres ejemplos puedes ver que el número de elementos (m) es el primer
factor, cada uno de los que le siguen van decreciendo de unidad en unidad. En
último factor observamos que el valor que se le resta a m equivale al valor de n
menos 1.
11
Probabilidad y Estadística II
Comprobamos:
La fórmula de será:
Si tenemos unos cartones, cada uno con una vocal, podemos extraer dos veces
la misma vocal. Cada grupo ves que se diferencia en tener un elemento distinto
o en el orden de colocación.Por cada vocal conseguimos 5 grupos de 2 vocales
caso de
12
Probabilidad Conjunta
Combinaciones y permutaciones
13
Probabilidad y Estadística II
Permutaciones
• Sin repetición: por ejemplo los tres primeros en una carrera. No puedes
quedar primero y segundo a la vez.
Son las más fáciles de calcular. Si tienes n cosas para elegir y eliges r de ellas,
las permutaciones posibles son:
n × n × ... (r veces) = nr
nr
14
Probabilidad Conjunta
16 × 15 × 14 × 13 ... = 20,922,789,888,000
Pero a lo mejor no quieres elegirlas todas, sólo 3 de ellas, así que sería
solamente:
16 × 15 × 14 = 3360
Es decir, hay 3,360 maneras diferentes de elegir 3 bolas de billar de entre 16.
15
Probabilidad y Estadística II
• 4! = 4 × 3 × 2 × 1 = 24
• 7! = 7 × 6 × 5 × 4 × 3 × 2 × 1 = 5040
• 1! = 1
Así que si quieres elegir todas las bolas de billar las permutaciones serían:
16! = 20,922,789,888,000
Pero si sólo quieres elegir 3, tienes que dejar de multiplicar después de 14.
¿Cómo lo escribimos? Hay un buen truco... dividimos entre 13!...
16 × 15 × 14 × 13 × 12 ...
= 16 × 15 × 14 = 3360
13 × 12 ...
La fórmula se escribe:
16
Probabilidad Conjunta
Ejemplos:
Notación
Combinaciones
17
Probabilidad y Estadística II
Así funciona la lotería. Los números se eligen de uno en uno, y si tienes los
números de la suerte (da igual el orden) ¡entonces has ganado!
Volviendo a las bolas de billar, digamos que queremos saber cuáles se eligieron,
no el orden.
Pero muchas de ellas son iguales para nosotros, porque no nos importa el
orden.
Por ejemplo, digamos que se tomaron las bolas 1, 2 y 3. Las posibilidades son:
18
Probabilidad Conjunta
De hecho hay una manera fácil de saber de cuántas maneras "1 2 3" se pueden
ordenar, y ya la sabemos. La respuesta es:
3! = 3 × 2 × 1 = 6
Así que sólo tenemos que ajustar nuestra fórmula de permutaciones para reducir
por las maneras de ordenar los objetos elegidos (porque no nos interesa
ordenarlos):
19
Probabilidad y Estadística II
Notación
Ejemplo
16×15×14 3360
= = 560
3×2×1 6
Así que recuerda, haz las permutaciones, después reduce entre "r!"
¡Recuerda la fórmula!
20
Probabilidad Conjunta
Triángulo de Pascal
Puedes usar el triángulo de Pascal para calcular valores. Baja a la fila "n" (la de
arriba es n=0), y ve a la derecha "r" posiciones, ese valor es la respuesta. Aquí
tienes un trozo de la fila 16:
1 14 91 364 ...
1 15 105 455 1365 ...
1 16 120 560 1820 4368 ...
• {c, c, c} (3 de chocolate)
(Y para dejarlo claro: hay n=5 cosas para elegir, y eliges r=3 de ellas.
21
Probabilidad y Estadística II
Bien, no puedo decirte directamente cómo se calcula, pero te voy a enseñar una
técnica especial para que lo averigües tú mismo.
{c, c, c} (3 de chocolate):
{b, l, v} (uno de banana, uno de limón y uno
de vainilla):
{b, v, v} (uno de banana, dos de vainilla):
Así que (en general) hay r + (n-1) posiciones, y queremos que r de ellas tengan
círculos.
22
Probabilidad Conjunta
(5+3-1)! 7! 5040
= = = 35
3!(5-1)! 3!×4! 6×24
23
Probabilidad y Estadística II
1. 2. CONCEPTOS BÁSICOS DE
PROBABILIDAD.
A= “la cara muestra un número par”; esta probabilidad se representará con P(A)
=½
Actividad 1:
1. Propón otros dos ejemplos donde sea posible usar este enfoque.
24
Probabilidad Conjunta
Actividad 2:
1. Menciona a cuál de los enfoques corresponderían las probabilidades
asignadas al evento “mañana lloverá”, si la información proviene de: (a) el Página 49.
Servicio Meteorológico Nacional, (b) de su proveedor de revistas.
2. A partir de los datos de la Tabla 1.3, donde se muestran los resultados de
una encuesta de alumnos, calcula cuál es la probabilidad empírica de que un
alumno no se encuentre satisfecho con su progreso.
3. Si se lee cuidadosamente, se puede ver que en el único caso en que es
posible establecer de manera correcta la probabilidad de un evento, es
cuando se conoce el número exacto de éxitos y el número total de resultados
posibles (probabilidad clásica a priori) ¿Por qué?
Ejemplo:
En el ejemplo de la encuesta un evento simple sería A = {“No está satisfecho
con la carrera”}.
Actividad 3:
1. Propón otros cinco ejemplos diferentes utilizando dados y define en cada uno
los eventos simples.
2. A partir de las definiciones de evento y espacio muestral ¿Qué similitudes se
podrían establecer entre ellas y los conceptos de variable, muestra y
población.
25
Probabilidad y Estadística II
Actividad 4:
1. En los ejemplos propuestos por tí en la Actividad 1. 2, define tres eventos y
determina el complemento para cada uno.
2. En el ejemplo de la encuesta define todos los posibles eventos conjuntos.
Luego, cada evento se representa con un círculo dentro del espacio muestral S
para el cual se usa un rectángulo para representarlo.
s A B
AUB
A∩B
A B
26
Probabilidad Conjunta
Actividad 5:
1. En el último año las compañías de teléfonos han hecho grandes esfuerzos
para atraer nuevos clientes. Supón que en una muestra de 400 familias una
compañía telefónica obtuvo información sobre el interés de planes de larga
distancia y sobre las necesidades semanales de realizar llamadas de larga
distancia internacional.
27
Probabilidad y Estadística II
s
A B
1. 3. PROBABILIDAD CONJUNTA.
28
Probabilidad Conjunta
Marginal: Probabilidad individual significa que sólo puede tener lugar un evento.
P(SOL) = ½
Por ejemplo, si se usan los datos de la Tabla 1.1, la probabilidad del evento A =
“el alumno está satisfecho con su carrera” se calcula como P(A) = 712/800 =
0.89.
29
Probabilidad y Estadística II
carrera como con sus avances en la misma (362) divido por el número total de
alumnos encuestados (800), y se denota con P(A y B) o con P(A B) y en este
caso es igual a 362/800 = 0.4525.
Observaciones:
2. Si el espacio muestral es divido en r eventos, A1, A2, …,Ar, que definen una
característica, como por ejemplo “Satisfacción con la carrera”; y si en este
mismo espacio se considera otra partición generada por s eventos B1, B2,
…,Bs, que definen otra característica como ser “Satisfacción con su progreso
en la carrera”, entonces el espacio muestral S queda particionado en rxs
subconjuntos. En el ejemplo de la encuesta, r = s = 2, y donde A1 = “Si está
satisfecho con la carrera”, A2 = “No está satisfecho con la carrera”, B1 = “Si
está con su progreso” y B2 = “No está satisfecho con su progreso”, luego el
espacio muestral queda dividido en 4 subconjuntos a saber A1∩B1, A2∩B1,
A1∩B2, A2∩B2, y sus respectivas probabilidades P[Ai∩Bj] = P[Ai y Bj], son
las ya definidas probabilidades conjuntas, mientras que las probabilidades de
los eventos determinados por cada partición, es decir, P[Ai] y P[Bj] son las
probabilidades marginales correspondientes a la primera y segunda partición
respectivamente.
30
Probabilidad Conjunta
31
Probabilidad y Estadística II
Primero calculemos la probabilidad de ser hombre. Para esto sabemos que son
30 alumnos (casos posibles) y que de ellos 22 son mujeres. Si a 30 le quitamos
22 nos quedan 8 que son los hombres (casos favorables). Al sustituir tenemos:
P(hombre y matemáticas) =
P(hombre) *
P(matemáticas)
P(hombre y matemáticas) =
Por otro lado, en ocasiones un evento o más eventos dependen de otro evento
previo, es decir, un evento A ocurre dado que ocurrió un evento B. Si existe este
tipo de relación entre eventos se dice que son eventos dependientes o
condicionados (el evento A depende del evento B, o el resultado del evento A
está condicionado al resultado del evento B). Por otro lado, si no existe tal
relación entre eventos, se dice que son eventos independientes.
32
Probabilidad Conjunta
Ejemplos
Una persona tiene una moneda y en unos momentos va a lanzarla al aire y por
supuesto existe la incertidumbre sobre el resultado de tal acción, veamos la
interpretación de cada uno de los términos.
Evento: Cada una de las respuestas de esta actividad, el evento uno será sello y
el evento dos será Águila.
S= Águila, Sol.
Actividad 1.6:
1. Usando los datos del problema dado en la actividad 1.4, si una familia es
seleccionada al azar, (a) ¿Cuál es la probabilidad que la familia seleccionada
no se haya adherido a ningún plan de larga distancia?
(b) Usando la expresión (3) determina la probabilidad del evento definido en el
apartado (a). Sugerencias: Define los eventos Bi usando la información sobre
necesidad de llamar al exterior semanalmente.
(c) Determina la probabilidad de que la familia seleccionada se haya adherido a
algún plan de larga distancia usando la probabilidad calculada en el apartado
(a) y la relación entre las probabilidades de un evento y su complemento.
(d) Di si los eventos A = Está adherido a un plan de larga distancia y B = Tiene
necesidad de llamar al exterior semanalmente, son mutuamente excluyentes.
Justifica la respuesta.
33
Probabilidad y Estadística II
1. 4. REGLA DE LA ADICIÓN.
Actividad 1.7:
Página 51.
1. Verifique la regla de la adición usando los datos de la Tabla 3.1 considerando
como
34
Probabilidad Conjunta
35
Probabilidad y Estadística II
Hay que notar que esta propiedad no es conmutativa, situación que sí ocurre
con la probabilidad de unión o la intersección de eventos, por lo que no hay que
confundir P(A|B) y P(B|A).
No tiene por qué haber una relación causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir simultáneamente. A
puede causar B, viceversa o pueden no tener relación causal. Las relaciones
causales o temporales son nociones que no pertenecen al ámbito de la
probabilidad. Pueden desempeñar un papel o no, dependiendo de la
interpretación que se le dé a los eventos.
36
Probabilidad Conjunta
Actividad 1.8:
1. Con los datos de la Tabla 3.2 define dos eventos A y B no mutuamente
excluyentes y calcula P[B|A] usando la expresión (6).
37
Probabilidad y Estadística II
o, que es lo mismo:
Ejemplos:
Ejemplo 1.4: Usando los datos del ejemplo anterior, es decir, P[A|B] = 0.9526 y
a partir de los de la Tabla 1.1 se tiene que P[B] = 380/800 = 0.4750 y la
expresión (8) se obtiene que
Solución:
38
Probabilidad Conjunta
p(B1/DM2/DM3) = p(B1)p(DM2/B1)p(DM3/B1/DM2)
= (11/25)*(9/24)*(8/23)
= 0.44*0.375*0.347826
= 0.05739
P(Dm1/DM2/B3) = p(Dm1)p(DM2/Dm1)p(B3/Dm1/DM2)
= (5/25)*(9/24)*(11/23)=
= 0.2*0.375*0.4782608= 0.03587
En este caso como no se especifica de qué tipo debe ser el segundo producto,
se considera que éste puede ser no defectuoso, con defectos menores o con
defectos mayores; por lo tanto;
= 0.18332
39
Probabilidad y Estadística II
P(M1/M2/N3/H4) = p(M1)p(M2⏐M1)p(N3⏐M1∩M2)p(H4⏐M1∩M2∩N3)
= (6/12)*(5/11)*(2/10)*(4/9)
= 240/11,880 = 0.0202
p(N1/H2/N3/M4) = p(N1)p(H2/N1)p(N3/N1/H2)p(M4/N1/H2/N3) =
= (2/12)*(4/11)*(1/10)*(6/9)
= 48/11,880
= 0.00404
p(M1/H2/M3/H4) = p(M1)p(H2/M1)p(M3/M1/H2)p(H4/M1/H2/M3)
= (6/12)*(4/11)*(5/10)*(3/9)
= 360/11,880
= 0.0303
Observación:
Actividad 1.9:
1. Verifica el resultado del ejemplo 1.4 usando los datos de la Tabla 1.1.
2. Escribe la definición de P[A y B] si se conoce P[B/A].
40
Probabilidad Conjunta
EQUIPROBABILIDAD:
P (águila) = P (sello)
Marginal: Probabilidad individual significa que sólo puede tener lugar un evento.
P(sello) = ½
Fórmula:
P(A ∩ B) = P(A) * P (B)
P(A ∩ B) = PROBABILIDAD DE QUE LOS EVENTOS A Y B OCURRAN JUNTOS
O EN SUCESIÓN.
P(A) = PROBABILIDAD MARGINAL DE A.
P (B) = PROBABILIDAD MARGINAL DE B.
41
Probabilidad y Estadística II
1.7.1. Definición:
S
P( A ∩ B)
como:
P( A / B) =
P( B)
1.7.2. Interpretación.
1.7.3. Propiedades.
1. P ( A / B ) + P ( A / B ) = 1
2. A ⊆ B → P ( A / B ) = 1
42
Probabilidad Conjunta
P( A ∩ B) = P( A) P( B)
P(A/B) = P(A)
P(B/A) = P(B)
EJEMPLOS
92%
D = evento de que el producto seleccionado
ND sea defectuoso (evento que condiciona).
D
43% 2% A = evento de que el producto sea fabricado
B en la máquina A.
26%
98% B = evento de que el producto sea fabricado
ND por la máquina B.
31%
C = evento de que el producto sea fabricado
por la máquina.
1.6% D
C
98.4%
ND
43
Probabilidad y Estadística II
= 0.0052/0.04456
=0.116697
P(C/ND)=p(C/ND)/p(ND)=p(C)p(ND/C)/p(A)p(ND/A) + p(B)p(ND/B) +
p(C)p(ND/C)
= 0.30504/0.95544
=0.31927
44
Probabilidad Conjunta
PS 97.2% NQ
18.5%
1.0% Q
32%
S
99.0% NQ
49.5%
4.0%
Q
FI
96.0%
NQ
= 0.97182
45
Probabilidad y Estadística II
P(PS/NQ)=p(PS/NQ)/p(NQ)
=(0.185*0.972)/(0.185*0.972+0.32*0.99+0.495*0.96)=
= 0.17982/0.97182
= 0.1850342
P(FI/Q) = p(FI/Q)/p(Q)
= 0.0198/0.02818
= 0.7026
Entonces: A ∩ B = 0 .
46
Probabilidad Conjunta
P ( B / A) = P ( A / B ) ⋅
P( B)
(Teorema de Bayes)
p ( A)
RESUMEN
47
Probabilidad y Estadística II
Tipos de probabilidad
Reglas de Probabilidad
Independencia estadística
̇ P[A/B] = P[A]
̇ P[A y B] = P[A]. P[B]
48
Probabilidad Conjunta
Nombre ____________________________________________________________
TAREA 1 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Realiza una investigación sobre la probabilidad clásica a priori, clásica empírica y
subjetiva.
Realiza un cuadro comparativo donde muestres ejemplos, analízala y entrega conclusiones a tu profesor.
Clásica a priori
Clásica empírica
Subjetiva
CONCLUSIONES:
49
Probabilidad y Estadística II
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
50
Probabilidad Conjunta
Nombre ____________________________________________________________
TAREA 2 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Realiza una investigación sobre ejemplos de eventos mutuamente excluyentes, identifica
las características principales y entrega un reporte a tu profesor.
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
51
Probabilidad y Estadística II
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
52
Probabilidad Conjunta
Nombre _________________________________________________________
AUTOEVALUACIÓN
Núm. de lista ____________ Grupo ________________ Turno __________
Núm. de Expediente ___________________ Fecha ____________________
#"Clásica empírica.
1.
En este tipo de probabilidad, un evento se basa en el conocimiento del proceso involucrado.
$"Clásica a priori.
%"Subjetiva.
&"Estadística.
2.
En esta probabilidad, la asignación de los sucesos o eventos de interés se basan en la información
#"Estadística.
observada y no en el conocimiento previo del proceso.
$"Clásica a priori.
%"Clásica empírica.
&"Subjetiva.
3.
Se refiere a la probabilidad asignada por una persona en particular basada generalmente en su experiencia,
#"Estadística.
opinión personal y análisis que él hace de la situación particular que se evalúa.
$"Clásica a priori.
%"Clásica empírica.
&"Subjetiva.
#"Espacio muestral.
4.
Se denomina así a cada posible acontecimiento que se puede describir mediante una sola característica.
$"Evento.
%"Complemento.
&"Contingencia.
#"Marginal.
5. Es la probabilidad que significa que sólo puede tener lugar un evento.
$"Conjunta.
%"Condicional.
&"Condicionada.
#"Marginal.
6.
En esta probabilidad dos o más eventos independientes ocurren junto con la sucesión.
$"Condicionada.
%"Condicional.
&"Conjunta.
53
Probabilidad y Estadística II
#"Marginal.
7.Esta probabilidad surge cuando se quiere obtener P[A|B].
$"Condicionada.
%"Condicional.
&"Conjunta.
#"Marginal.
8. Es la probabilidad de que ocurra P(A|B).
$"Condicionada.
%"Condicional.
&"Conjunta.
9.Es la regla “Dados dos eventos A y B, cualesquiera, el cálculo de la probabilidad del evento AUB o
#"Independencia.
probabilidad del evento A o B”.
$"Adición.
%"Teorema de Bayes.
&"Multiplicación.
10. Se refiere a la regla: “P[A y B] = P [A∩B] = P [A|B] P[B]”.
#"Independencia.
$"Adición.
%"Teorema de Bayes.
&"Multiplicación.
P( A ∩ B)
11. Está definida como: P ( A / B ) =
P( B)
#"Independencia.
$"Adición.
%"Teorema de Bayes.
&"Multiplicación.
54
Probabilidad Conjunta
INSTRUCCIONES: Forma equipo con un máximo de cinco compañeros de clase y hagan los siguientes
ejercicios. Discútanlos en clase.
1. En una ciudad el 55% de los habitantes consume pan integral, el 30% consume pan de multicereales y
el 20% consume ambos. Se pide:
I) Sabiendo que un habitante consume pan integral ¿Cuál es la probabilidad de que coma pan de
multicereales?
II) Sabiendo que un habitante consume pan de multicereales ¿Cuál es la probabilidad de que no
consuma pan integral?
III) ¿Cuál es la probabilidad de que una persona de esa ciudad no consuma ninguno de los dos tipos
de pan?
2. El equipo directivo de cierta empresa del sector de hotelería está constituido por 25 personas de las que
un 60% son mujeres. El gerente tiene que seleccionar a una persona de dicho equipo para que
represente a la empresa en un certamen internacional. Decide lanzar una moneda: si sale cara,
selecciona a una mujer y si sale cruz, a un hombre.
Sabiendo que 5 mujeres y 3 hombres del equipo directivo no hablan inglés, determina, justificando la
respuesta, la probabilidad de que la persona seleccionada hable inglés.
3. Dos personas piensan cada una de ellas un número del 0 al 9. Calcula la probabilidad de que las dos
personas no piensen el mismo número.
4. En una Universidad existen tres facultades: A, B y C. En A hay matriculadas 150 chicas y 50 chicos; en
B, 300 chicas y 200 chicos; y en C, 150 chicas y 150 chicos.
a. Calcula la probabilidad de que un estudiante, elegido al azar, sea chico.
b. Si un estudiante elegido al azar resultara ser chico ¿Cuál es su facultad más probable?
5. Se escuchan tres discos y se vuelven a guardar en un estuche elegido al azar ¿Cuál es la probabilidad
de que al menos uno de los discos haya sido guardado en el envoltorio que le correspondía?
6. Se considera una célula en el instante t=0. En el instante t=1 la célula puede: bien reproducirse,
dividiéndose en dos, con probabilidad 3/4, o bien morir con probabilidad 1/4.
Si la célula se divide, entonces en el tiempo t=2 cada uno de sus dos descendientes puede también
subdividirse o morir, con las mismas probabilidades que antes, independientemente uno de otro.
55
Probabilidad y Estadística II
7. Una caja contiene 10 bolas blancas, 5 negras y 5 rojas. Se extraen dos bolas consecutivamente de la
caja. Calcula la probabilidad de que las dos sean blancas si:
9. En una oficina el 70% de los empleados son asturianos. De entre los asturianos, el 50% son hombres,
mientras que de los no asturianos, sólo son hombres el 20%.
10. El 12% de los habitantes de un país padece cierta enfermedad. Para el diagnóstico de ésta, se dispone
de un procedimiento que no es completamente fiable ya que da positivo en el 90% de los casos de
personas realmente enfermas, pero también da positivo en el 5% de personas sanas ¿Cuál es la
probabilidad de que esté sana una persona a la que el procedimiento le ha dado positivo?
11. En un ayuntamiento hay 5 concejales del partido A, 4 del B y 1 del C. Si se eligen al azar y
sucesivamente tres concejales ¿Cuál es la probabilidad de que los tres sean del partido A? ¿Y la de que
pertenezcan a partidos distintos?
12. Un dado ha sido trucado de manera que la probabilidad de sacar un número par es el doble que la de
sacar un número impar. Se lanza el dado y se pide:
13. Tengo dos urnas, dos bolas blancas y dos bolas negras. Se desea saber como debo distribuir las bolas
en las urnas para que, al elegir una urna al azar, sea máxima la probabilidad de obtener una bola
blanca. La única condición exigida es que cada una tenga al menos una bola.
14. Consideremos el tipo de secadora de ropa (de gas o eléctrica) comprada por cinco clientes de una
tienda.
b) Si P(los 5 compren de gas) = 0.0768 y P(los 5 compren eléctrica) = 0.0102 ¿Cuál es la probabilidad
de que al menos compren una de cada tipo?
56
Probabilidad Conjunta
15. El evento A es que el próximo préstamo de una biblioteca sea un libro que no es de ficción y B que sea
de ficción. Supongamos que P(A) = 0.35 y P(B) = 0.50
b) Calcule P(A')
c) Calcule P(A ó B)
Se sabe que: el 70% de los compradores piden A; 80% B; 75% C; 85% A ó B; 90% A ó C; 95% B Ó C; 98%
A, B ó C.
Hagan un diagrama de Venn Euler para representar los tres eventos, determinando la probabilidad de que el
siguiente comprador:
Escriban el espacio muestral y, teniendo en cuenta que las 36 parejas de posibles resultados con dos
dados: { (1,1), (1,2), (1,3), . . . } son igualmente probables.
Elabore una tabla estadística de distribución de probabilidad para cada ejemplo propuesto.
57
Probabilidad y Estadística II
58
Unidad 2
Distribución de
Probabilidad de
Variables Aleatorias
Discretas.
Objetivos:
El alumno:
Organizador anticipado:
Temario:
Al participar en juegos de azar, como son el tirar dados,
sabemos que está inmersa la probabilidad; pero así también, Distribución de probabilidad de una
si profundizamos sobre el tema, podremos realizar variable aleatoria discreta.
estimaciones. Distribución de probabilidad binomial.
DISTRIBUCIÓN
DE
PROBABILIDAD
Variables Distribución de
aleatorias la probabilidad
discretas binomial
60
Distribución de Probabilidad de Variables Aleatorias Discretas
Una variable aleatoria “Y” se denomina discreta si puede adoptar solo una
cantidad finita o infinita contable de valores distintos.
Ahora tiene sentido hablar de probabilidad de que “Y” adopte el valor “y”, que se
denomina mediante P (Y=y). Definimos esta probabilidad como la suma de las
probabilidades de puntos muestrales adecuados de “S”.
Definición 2
NOTA: P (Y) solo es una función que asigna probabilidad a cada valor y; a esto
se debe que a veces se le llame función de probabilidad Y.
61
Probabilidad y Estadística II
Definición: 3
EJEMPLO
Supón que se lanza un par de dados honrados sin trampa, y que la variable
aleatoria X denote la suya de los puntos.
S O L U C I Ó N.
x 2 3 4 5 6 7 8 9 10 11 12
F(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
b) Gráfica.
Ejercicio 1.
7
6
5
4
3 f(x)
2
1
0
2 3 4 5 6 7 8 9 10 11 12
62
Distribución de Probabilidad de Variables Aleatorias Discretas
P ( X = x)= 3 C x ⎜ ⎟ ⎜ ⎟ =3 C ⎜ ⎟
x 3
⎝2⎠ ⎝2⎠ x⎝ 2⎠
Tabla
X 0 1 2 3
p (x)
Ejercicio 2. TAREA 2
Construir la tabla, trazar la gráfica y función de probabilidad y descubrir la
función de probabilidad al momento de lanzar tres monedas al aire y obtener sol.
Página 71.
2.1.3 Media y la varianza de las distribuciones discretas.
µ = E ( X ) = ∑ x i ⋅ p ( xi )
Media o valor esperado
De una distribución
De probabilidad discreta
= 3.5. Esto sugiere que si se lanza un dado ¿Se puede esperar obtener 3.5?
difícilmente significa que si se promedian los resultados de los lanzamientos del
dado (teóricamente un número infinito) se obtendrá 3.5.
1 2 3 4
2
xi P(xi) (xi) · P(xi) ( xi = µ) · P (xi)
1 1/6 1/6 (1-3.5)2 · 1/6 = 1.042
2 1/6 2/6 (2-3.5)2 · 1/6 = 0.375
3 1/6 3/6 (3-3.5)2 · 1/6 = 0.042
4 1/6 4/6 (4-3.5)2 · 1/6 = 0.042
5 1/6 5/6 (5-3.5)2 · 1/6 = 0.375
63
Probabilidad y Estadística II
Ejercicio 2.
1 2 3 4 5
(xi-µ) P(xi2 )
Num. de meses Casa(xi) P(xi) (xi) P(xi)
3 5
7 8
4 10
5 12
3 17
2 20
24
2. 2. DISTRIBUCIÓN DE
PROBABILIDAD BINOMIAL.
Una distribución de probabilidad es un despliegue de todos los posibles
resultados de un posible experimento aleatorio junto con las posibilidades de
cada resultado. Algunos experimentos son idénticos e independientes, cada uno
de los cuales puede generar uno de dos posibles resultados. Por ejemplo: cada
una de las N personas entrevistadas antes de las elecciones locales pueden o
no favorecer a un determinado candidato.
64
Distribución de Probabilidad de Variables Aleatorias Discretas
2. Cada ensayo tiene dos posibles soluciones. E denota que el avión no fue
detectado y F que el avión se detectó.
n=4
P = .05
q = 1 - .05 = .095
Ejercicio:
65
Probabilidad y Estadística II
Ejemplo:
3 C0 •3 C2
P (o) = P (y = o) =
6 C2
3 C 1 • 3 C1
P (1) = P (y = 1) =
6 C2
3 C2 •3 C0
P (2) = P (y = 2) =
6 C2
Tabla
Y P(y)
1
0
5
3
1
5
1
2
5
Gráfica.
2 P(y)
0
0 1 2
3 C y • 3 C 2− y
P (y) = y=0, 1, 2
6 C2
66
Distribución de Probabilidad de Variables Aleatorias Discretas
Ejercicio:
a) Ninguna vez.
b) Una vez.
c) Dos veces.
d) Tres veces.
e) Cuatro veces.
f) Todas las veces.
Datos:
P = 1/6
q = 1-p = 5/6
Media de x: µ = ∑ [ x P(x) ]
σ 2 = ∑ (x-µ)2 P(x)
• Desviación estándar:
σ = σ2
TAREA 3
Página 73.
67
Probabilidad y Estadística II
µ =np
σ = npq
Ejemplo:
µ = n p = 20(.6) = 12
σ= 4.8 ≈ 2.19
Ejercicio.
68
Distribución de Probabilidad de Variables Aleatorias Discretas
Nombre ____________________________________________________________
TAREA 1 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Investiga las siguientes distribuciones de variables discretas más importantes. Se sugiere
realizar el trabajo en equipo procurando un ejemplo de aplicación de cada distribución.
• distribución uniforme.
• distribución binomial.
• distribución binomial negativa.
• distribución poisson.
• distribución geométrica.
• distribución hipergeométrica.
• distribución normal estandarizada.
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
69
Probabilidad y Estadística II
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
70
Distribución de Probabilidad de Variables Aleatorias Discretas
Nombre ____________________________________________________________
TAREA 2 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
71
Probabilidad y Estadística II
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
______________________________________________________________________________________________
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
72
Distribución de Probabilidad de Variables Aleatorias Discretas
Nombre ____________________________________________________________
TAREA 3 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
X
P (x) = , para x = 1, 2, 3 ó 4
10
Completa la siguiente tabla:
Media
µ = ∑ [x P(x)] =
Varianza
Desviación
σ = σ2 = 1.0 = 1
73
Probabilidad y Estadística II
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
74
Distribución de Probabilidad de Variables Aleatorias Discretas
Nombre ____________________________________________________________
TAREA 4 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
http:// Istat.Kuleuven.be/java/index.htm
Una vez abierta la página selecciona el ícono “Basic” y después el ícono “characteristics of distributions” y
espera de uno a tres minutos, aparecerá en pantalla un gráfico similar a un Histograma correspondiente a
una distribución Binomial con parámetros: n=2, p=o.5 de donde los posibles valores para la variable de
estudio X son 0,1 y 2.
En la parte inferior derecha de la pantalla aparecen dos recuadros que te permitirán modificar los
parámetros n y p, de igual manera un recuadro titulado “New Window” te brinda la oportunidad de explorar
varias distribuciones Binomiales a la vez. Cada vez que modifiques los parámetros presiona el recuadro
“Rescale” para que aparezca adecuadamente el nuevo histograma. Haz un análisis de tendencias del
histograma.
75
Probabilidad y Estadística II
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
76
Distribución de Probabilidad de Variables Aleatorias Discretas
Nombre _________________________________________________________
AUTOEVALUACIÓN
Núm. de lista ____________ Grupo ________________ Turno __________
Núm. de Expediente ___________________ Fecha ____________________
#" Aleatoria.
$" Aleatoria discreta.
%" Categórica.
&" Numérica.
3. Si deseamos conocer el número de vuelos que llegan al aeropuerto de Cd. Obregón diariamente, es un
ejemplo de variable:
"
#" Nominal.
$" Categórica.
%" Numérica discreta.
&" Numérica continua.
77
Probabilidad y Estadística II
7. Se encuentra multiplicando cada valor posible de “X” por su propia probabilidad y después sumando
los productos:
"
#" Media aritmética.
$" Varianza de la variable.
%" Desviación estándar.
&" Medida de la variable aleatoria discreta.
8. Al lanzar una moneda al aire la posibilidad de que caiga águila o sello es un ejemplo de:
"
#" Distribución binomial.
$" Numérica discreta.
%" Experimento.
&" Medidas de tendencia central.
9. Es un despliegue de todos los posibles resultados de un posible experimento junto con las
posibilidades de cada resultado.
"
#" Distribución binomial.
$" Distribución de probabilidad.
%" Experimento.
&" Éxito.
78
Distribución de Probabilidad de Variables Aleatorias Discretas
El 75% de los automóviles extranjeros vendidos en México en el 2007, ahora están cayéndose en pedazos”.
79
Probabilidad y Estadística II
80
Distribución de Probabilidad de Variables Aleatorias Discretas
INSTRUCCIONES: En la revista proceso en un artículo publicado el 25 de abril del presente año, se reporta el
porcentaje de niños que fuman en cada grupo de edad.
81
Probabilidad y Estadística II
82
Distribución de Probabilidad de Variables Aleatorias Discretas
X 1 3 4 5
P(x) .2 .3 .4 .1
e. Encuentre la media de X.
83
Probabilidad y Estadística II
84
Unidad 3
Distribuciones
de probabilidad
con variables
aleatorias
continuas.
Objetivos:
El alumno:
Organizador anticipado:
Temario:
“Dado todo elemento del universo conocido, y el tiempo suficiente, Ü Distribución de probabilidad con
nuestra existencia es inevitable. No es más misteriosa que los árboles variables aleatorias continuas.
o los tiburones. Somos una probabilidad matemática, y eso es todo. Ü Distribución de probabilidad
normal estandarizada.
Solaris (2002)”
DISTRIBUCIÓN DE
PROBABILIDAD CON
VARIABLES ALEATORIAS
CONTINUAS
86
Distribuciones de Probabilidad con Variables Aleatorias Continua
3. 1. DISTRIBUCIONES DE
PROBABILIDAD CON VARIABLES
ALEATORIAS CONTINUAS.
87
Probabilidad y Estadística II
Distribuciones de probabilidad
ellos. A las variables de este tipo se las denomina variables aleatorias continuas.
88
Distribuciones de Probabilidad con Variables Aleatorias Continua
Ejemplo 1
Ejemplo 2
89
Probabilidad y Estadística II
Para que f(x) sea una FDP (FDP = f(x)) sea legítima, debe satisfacer las
siguientes dos condiciones:
2.
90
Distribuciones de Probabilidad con Variables Aleatorias Continua
• Distribución uniforme
Distribuciones de probabilidad de variable continua
1. Introducción
91
Probabilidad y Estadística II
campo de la salud puede ser descrito mediante una distribución normal, puede
resultar incluso poco frecuente encontrar variables que se ajusten a este tipo de
comportamiento.
2. La Distribución Normal
La distribución normal fue reconocida por primera vez por el francés Abraham de
Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elaboró
desarrollos más profundos y formuló la ecuación de la curva; de ahí que también
se le conozca, más comúnmente, como la "campana de Gauss". La distribución
de una variable normal está completamente determinada por dos parámetros, su
media y su desviación estándar, denotadas generalmente por µ y σ.
La distribución normal es la distribución de probabilidad que con más frecuencia
aparece en estadística y teoría de probabilidades. Esto se debe a dos razones
fundamentalmente:
a). Su función de densidad es simétrica y con forma de campana, lo que
favorece su aplicación como modelo a gran número de variables
estadísticas.
b). Es además, límite de otras distribuciones y aparece relacionada con multitud
de resultados ligados a la teoría de las probabilidades gracias a sus
propiedades matemáticas.
92
Distribuciones de Probabilidad con Variables Aleatorias Continua
Dada una variable aleatoria normal X, con media (también llamada Esperanza
matemática) y desviación típica , si definimos otra variable aleatoria
93
Probabilidad y Estadística II
Página 123.
VI. La forma de la campana de Gauss depende de los parámetros µ y σ.
34% 34%
13.5% 13.5%
2.3% 2.3%
µ-3σ µ-2σ µ-σ µ µ-+σ µ+2σ µ+3σ
f ( x ) = Y = Y0 e
1 ⎛ x−µ ⎞
− ⎜ ⎟
2
2⎝ σ ⎠
En donde:
Y0 = =
σ
1 0.398942
σ 2π
x−µ
z=
σ
La fórmula será entonces:
1 ⎛ x−µ ⎞
− ⎜
Y=
⎟
2
2⎝ σ ⎠
σ
0.398942
e
La campana de Gauss o curva normal es una función de probabilidad continua,
simétrica, cuyo máximo coincide pues con la media µ y la desviación típica σ
Para cada valor de µ (media) y cada valor de σ (desviación típica) hay una curva
normal, que se denomina N (µ, σ)
94
Distribuciones de Probabilidad con Variables Aleatorias Continua
3.2. DISTRIBUCIÓN DE
PROBABILIDAD NORMAL
ESTANDARIZADA.
•
directamente en la tabla.
k(φ)
• P [z ≥ k] = 1 – P [z < k] = 1 - k(φ)
• P [a ≤ z ≤ b] = P[z ≤ b] – P[z ≤ a]
modo: P[b < x < k] = P[(b – µ)/σ<µ< (k – µ)/σ]. El cambio k [(k − µ)/ σ] se llama
Si x es N(σ,µ), para calcular la probabilidad P[b < x < k] se procede del siguiente
Ejemplo:
95
Probabilidad y Estadística II
1. x. 16
2. Media. 10
3. Desviación estándar. 3
4. Probabilidad de que x sea menor que = DISTR.NORM (B1; B2; B3;
VERDADERO)
16 [97,72%]
5. Probabilidad de que x sea mayor que = 1-B4
16 [2,28%]
Ejemplo:
1. Podemos tomar el percentil 50, ya que este valor deja por debajo suya a la
mitad, 0,5, de la masa de probabilidad. Este valor, x0,5, se definiría como:
Donde:
96
Distribuciones de Probabilidad con Variables Aleatorias Continua
Por tanto podemos decir que la mitad de la población tiene una altura inferior a:
Figura: Intervalo donde tenemos asegurado que el 50% de la población tiene un TAREA 2
peso comprendido en él. Como se observa, no es un tamaño óptimo, en el
sentido de que el intervalo es demasiado grande (longitud infinita a la izquierda).
Página 125.
0.5
97
Probabilidad y Estadística II
Χ µ Χ Χ
donde:
Análogamente se calcularía
98
Distribuciones de Probabilidad con Variables Aleatorias Continua
donde:
En conclusión:
El 50% de la población tiene un peso comprendido en el intervalo
[168,25,181,75].
De entre los tres intervalos que se han calculado el que tiene más interés es el
último, ya que es simétrico con respecto a la media, y es el más pequeño de
todos los posibles (más preciso). Este ejemplo es en realidad una introducción a
unas técnicas de inferencia estadística que trataremos posteriormente,
conocidas con el nombre de “estimación confidencial” o “cálculo de intervalos
TAREA 3
de confianza”.
EJEMPLO DE APLICACIÓN:
99
Probabilidad y Estadística II
2⎝ σ ⎠
Datos :
µ = 400
0.398942
e
σ = 20
Fórmula:
400
σ x x−µ Y
-3.0 340 -60 0.0002
-2.5 350 -50 0.0009
-2.0 360 -40 0.0027
-1.5 370 -30 0.0065
-1.0 380 -20 0.0121
-0.5 390 -10 0.0176
0.0 400 0 0.0199
0.5 410 10 0.0176
1.0 420 20 0.0121
1.5 430 30 0.0065
2.0 440 40 0.0027
2.5 450 50 0.0009
3.0 460 60 0.0002
0.025
0.020
0.015
0.010
0.005
0.000
340 350 360 370 380 390 400 410 420 430 440 450 460
100
Distribuciones de Probabilidad con Variables Aleatorias Continua
x−µ
" x " a una variable normal estandarizada " z " :
zσ = x − µ osea z=
σ
Hay una correspondencia uno a uno de " x " y de " x " .
En particular z = 0 cuando x = µ
0.025
0.020
0.015
0.010
0.005
0.000
101
Probabilidad y Estadística II
102
Distribuciones de Probabilidad con Variables Aleatorias Continua
.5 .4292
2. P (Z > 1.47)
103
Probabilidad y Estadística II
3. P (Z ≤ -1.47)
=0.5 - P(0≤Z≤1.47)
=0.5 - 0.4292
=0.0708
4. p (Z > -1.47)
-1.47
P (Z >-1.47) = 0.5+0.4292=0.9292
104
Distribuciones de Probabilidad con Variables Aleatorias Continua
P (-1.47 < Z ≤-0.45) = P(0.45 < Z ≤1.47) =P(0 ≤ Z ≤ 1.47) – P(0 ≤ Z ≤ 0.45)
=0.4292 – 0.1736
=0.2556
105
Probabilidad y Estadística II
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.8 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000
106
Distribuciones de Probabilidad con Variables Aleatorias Continua
p(µ−3σ ≤ X ≤ µ+3σ)
hallar:
107
Probabilidad y Estadística II
Menos de 64 kg.
c). 64 kg.
d). 64 kg o menos.
108
Distribuciones de Probabilidad con Variables Aleatorias Continua
109
Probabilidad y Estadística II
8. Varios test de inteligencia dieron una puntuación que sigue una ley normal
con media 100 y desviación típica 15.
9. En una ciudad una de cada tres familias posee teléfono. Si se eligen al azar
90 familias, calcular la probabilidad de que entre ellas haya por lo menos 30
tipos se han teléfono.
110
Distribuciones de Probabilidad con Variables Aleatorias Continua
111
Probabilidad y Estadística II
a) P ( 400 ≤ x ≤ 420 )
0.020
0.015
0.010
0.005
0.000
340 350 360 370 380 390 400 410 420 430 440 450 460
Datos :
µ = 400
Fórmula :
x−µ 400 − 400
z= Ζ1 = = =0
σ = 20 σ
0
20 20
x1 = 420
x−µ 420 − 400
Ζ2 = = = 1 .0
σ
P (0 ≤ Ζ ≤ 1) = 0.3413
20
b) P ( 410 ≤ x ≤ 430 )
0,020
0,015
0,010
0,005
0,000
340 350 360 370 380 390 400 410 420 430 440 450 460
400 − 400
Datos :
µ = 400 z1 = =
0
=0
σ = 20
410 − 400
= 0.5 P( z2 ) = 0.1915
20 20
x2 = 410 z2 =
x3 = 430 430 − 400
= 1.5 P( z3 ) = 0.4332
20
z3 =
112
Distribuciones de Probabilidad con Variables Aleatorias Continua
c) P ( x > 415 )
0,020
0,015
0,010
0,005
0,000
340 350 360 370 380 390 400 410 420 430 440 450 460
415 − 400
Z4 = = 0.75
Ejemplo 2.
Probabilidad más de 35 mpg
0.025
0.020
0.015
0.010
0.005
0.000
27.5 29 31 33 35 37 39
a)
35 − 27.5
z3 = = 1.53 P ( z3 ) = 0.4370
Datos :
µ = 27.5
σ = 4.9 ∴ P ( x > 35 ) = 0.5000 − 0.4370 = 0.0630 = 6.3%
4.9
x3 = 35
113
Probabilidad y Estadística II
b) Cálculo de x4
Datos :
µ = 27.5 Fórmula :
σ = 4.9 x = zσ + µ
A4 = 0.95 − 0.50 = 0.45
P ( z4 ) = 0.45 ∴ z4 = 1.645
x4 = 1.645 × 4.9 + 27.5 = 8.06 + 27.5 = 35.6mpg
c) Interpretación de resultados:
Ejemplo 3.
a) Entre 80 y 90 grs.
b) Entre 80 y 95 grs.
c) Entre 75 y 85 grs.
d) Más de 97.5 grs.
e) Menos de 77.5 grs.
f) Si la probabilidad requerida es de un 92.5% respecto a la media, obtener los
valores de xi y su intervalo (rango).
a) P ( 80 ≤ x ≤ 90 )
80 − 90
P ( z1 ) = 0.4406
Datos :
µ = 90 x − µ z1 = = −1.56
Fórmula :
z=
σ = 6.4 σ
P ( 80 x ≤ 90 ) = 44.1%
6.4
x1 = 80
b) P ( 80 ≤ x ≤ 95 )
80 − 90
Datos : z1 = = −1.56 P ( z1 ) = 0.4406
µ = 90 95 − 90
P ( z2 ) = 0.2823
6.4
σ = 6.4 z2 = = 0.78
x1 = 80 P ( 80 x ≤ 95) = 0.4406 + 0.2823 = 0.7229 = 72.3%
6.4
x2 = 95
114
Distribuciones de Probabilidad con Variables Aleatorias Continua
c) P ( 75 ≤ x ≤ 85 )
75 − 90
z3 = = −0.2.34 P ( z3 ) = 0.4904
Datos :
µ = 90
σ = 6.4 85 − 90
= −0.78 P ( z4 ) = 0.2823
6.4
z4 =
x3 = 75
P ( 75 ≤ x ≤ 85) = P ( z3 ) − P ( z4 ) = 0.4904 − 0.2823 = 0.2081 = 20.8%
6.4
x4 = 85
d) P ( x > 97.5 )
97.5 − 90
P ( z5 ) = 0.3790
Datos :
µ = 90 z5 = = 1.17
σ = 6.4
∴ P ( x > 97.5 ) = 0.5000 − 0.3790 = 0.1210 = 12.1%
6.4
x5 = 97.5
e) P ( x < 77.5 )
77.5 − 90
P ( z6 ) = 0.4744
Datos :
µ = 90 z6 = = −1.95
σ = 6.4
∴ P ( x < 77.5 ) = 0.5000 − 0.4744 = 0.0256 = 2.6%
604
x6 = 77.5
f) Cálculo de x7
Datos :
µ = 90
σ = 6.4
Fórmula :
x = µ ± zσ
A7 = 0.925
P ( z7 ) = = 0.4625 ∴ z7 = ±1.78
0.925
x7 = 90 + 11.4 = 101.4
x8 = 90 − 11.4 = 78.6
∴ Intervalo : 78.6 ≤ x ≤ 101.4 Rango = 22.8
115
Probabilidad y Estadística II
d) Interpretación de resultados:
Fórmula : x ± zσˆ x
σ
σˆ x =
n
EJEMPLO DE APLICACIÓN.
Fórmula : x ± zσˆ x
Fórmula : x ± zσˆ x
σˆ 16.32 16.32
σˆ x = = = = 2.31
Datos :
x = 207.75
σ
σˆ = 16.32 σˆ x =
n 50 7.071
P( z) = = 0.485
0.97
n = 50
n
En la tabla : z = 2.17
2
Intervalo :
x ± 2.17 × 2.31
x ± 5.01 = 207.75 ± 5.01
202.74 ≤ µ ≤ 212.76
Rango = 10.02
Se puede concluir que el salario medio de todos los trabajadores está entre
$202.74 y $ 212.76, con un grado de confianza del 97%.
116
Distribuciones de Probabilidad con Variables Aleatorias Continua
En general, una binomial B(n,p) se parece a una curva normal tanto más, cuanto
mayor es el producto np (o nq si q < p) Cuando np y nq son ambos mayores
que 3, la aproximación es bastante buena. Y si superan a 5, la aproximación es
casi perfecta. Naturalmente, la curva normal a la cual se aproxima tiene la misma
media y la misma desviación típica que la binomial, es decir: np=µ, npq=σ.
Se puede demostrar (teorema central del límite) que una variable aleatoria
discreta con distribución binomial, X~B(n, p) se puede aproximar mediante una
distribución normal si n es suficientemente grande y p no está ni muy próximo a
0 ni a 1. Como el valor esperado y la varianza de X son respectivamente np y
npq, la aproximación consiste en decir que
El convenio que se suele utilizar para poder realizar esta aproximación es:
117
Probabilidad y Estadística II
Ejemplo:
118
Distribuciones de Probabilidad con Variables Aleatorias Continua
119
Probabilidad y Estadística II
120
Distribuciones de Probabilidad con Variables Aleatorias Continua
Nombre ____________________________________________________________
TAREA 1 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
Escribe 3 propiedades de toda Distribución Normal, utiliza para cada una un gráfico alusivo.
Una de las propiedades de toda distribución normal menciona que los intervalos construidos alrededor de la
media al sumarle y restarle la desviación estándar, encierran una probabilidad o área total bajo la curva
como se muestra en la siguiente gráfica:
De la gráfica anterior se deduce que el intervalo µ σ contiene aproximadamente el 68.2% del área total,
que el intervalo de µ a µ + σ contiene el 34.1% del área total, o también que el intervalo de µ 2σ
abarca un área total del 95.4%, o que el intervalo de µ - 3 σ a µ contiene el 49.8% del área total, etcétera.
Ejercicio: Construye un intervalo y con ayuda de la gráfica deduce el porcentaje de área que contiene.
Aplicaciones:
normal, con una media µ de 80 y una desviación estándar σ de 5. Contesta las siguientes preguntas:
1.- Considera que las calificaciones de todos los alumnos de Matemáticas 4 se distribuyen de manera
121
Probabilidad y Estadística II
Como podemos observar, los porcentajes que satisfacen los requisitos son: 13.6, 34.1, 34.1, 13.6, 2.1 y 0.1
que al sumarlos arrojan un total de 97.6%. ¿De acuerdo?
c) Si en total fueron 500 alumnos que cursaron la materia de Matemáticas 4, ¿Cuántos de ellos obtuvieron
una calificación que varió de 70 a 100?
d) ¿Cuál es la probabilidad de que al elegir al azar a un alumno que cursó esta materia haya tenido una
calificación inferior a 75?
12.8 y una desviación estándar σ de 0.4. Utilizando el gráfico anterior, dar respuesta a cada una de las
2.- Los niveles de hemoglobina en las mujeres adultas se distribuyen de forma normal con una media µ de
siguientes preguntas:
a) ¿Qué porcentaje de mujeres tiene niveles de hemoglobina inferiores a 13.6?
b) ¿Cuál es la probabilidad de que al elegir al azar a una mujer a quien le realizaron un estudio sanguíneo,
arroje un nivel de hemoglobina que varíe entre 12 y 13.2
c) Si se eligen al azar 300 mujeres adultas, ¿Cuántas de ellas tienen niveles de hemoglobina superior a
13.2?
parámetros µ y σ , elabora dos preguntas similares a las anteriores y con ayuda de la gráfica da respuesta.
Ejercicio: Investiga un ejemplo de variable con distribución normal en la cual se conozcan los valores de los
122
Distribuciones de Probabilidad con Variables Aleatorias Continua
Nombre ____________________________________________________________
TAREA 2 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
1. Un investigador reporta que unos ratones vivirán un promedio de 40 meses cuando sus dietas se
restrinjan drásticamente y después se enriquezcan con vitaminas y proteínas. Suponga que la vida de
tales ratones se distribuye normalmente con una desviación estándar de 6.3 meses, encuentre la
probabilidad de que un ratón viva:
a) Más de 32 meses.
b) Menos de 28 meses.
c) Entre 37 y 49 meses.
d) Entre 45 y 50 meses.
e) Entre 40 y 43 meses.
f) ¿Cuál es la probabilidad de que de seis ratones cuatro vivan más de 30 meses?
2. Las barras de centeno que cierta panadería distribuye a las tiendas locales tienen una longitud
promedio de 30 centímetros y una desviación estándar de 2 centímetros. Suponiendo que las longitudes
se distribuyen normalmente ¿Qué porcentaje de las barras son:
3. Un abogado va todos los días de su casa a su oficina en el centro de la ciudad. El tiempo promedio del
viaje es 24 minutos, con una desviación estándar de 3.8 minutos. Si las duraciones de los viajes están
distribuidas normalmente:
x−µ
d) Encuentre cuál es el tiempo a partir del cual duran el 15% de los viajes más lentos.
e) Encuentre la probabilidad de que dos de los siguientes tres viajes tomen como máximo ½ hora.
123
Probabilidad y Estadística II
4. Las alturas de 1000 estudiantes se distribuyen normalmente con una media de 174.5 cm y una
desviación estándar de 6.9 cm ¿Cuántos de estos estudiantes se esperaría que tuvieran alturas
5. Una estación de radio encontró que el tiempo promedio que una persona sintoniza esa estación es de
15 minutos con una desviación estándar de 3.5 minutos ¿Cuál es la probabilidad de que un
radioescucha sintonice la estación por:
a) Más de 20 minutos?
b) Entre 15 y 18 minutos?
c) Entre 10 y 12 minutos?
d) ¿Cuántos minutos como máximo sintonizan la estación el 70% de los radioescuchas?
x−µ
Sugerencia: De la expresión Ζ = x y obtener Ζ a partir del porcentaje proporcionado y
σ
despejar
e) ¿Cuál es la probabilidad de que de ocho radioescuchas, al menos siete sintonicen la estación por más
de cinco minutos?
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
124 ______________________________________________________________
Distribuciones de Probabilidad con Variables Aleatorias Continua
Nombre ____________________________________________________________
TAREA 3 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
2. Si el 20% de los residentes de una ciudad de Estados Unidos prefiere un teléfono blanco sobre
cualquier otro color disponible ¿Cuál es la probabilidad de que entre los siguientes mil teléfonos que se
instalen en esta cuidad
3. Un fabricante de medicamentos sostiene que cierto medicamento cura una enfermedad de la sangre en
promedio el 80% de los casos. Para verificar esta afirmación, inspectores de gobierno utilizan el
medicamento en una muestra de 100 individuos y deciden aceptar la afirmación si 75 o más se curan.
4. Un estudio sobre nuevos delincuentes juveniles reveló que el 38% de ellos vuelve a delinquir.
a) ¿Cuál es la probabilidad de que de cien nuevos delincuentes juveniles 30 ó más vuelvan a delinquir?
b) ¿Cuál es la probabilidad de que de 50 nuevos delincuentes juveniles 40 ó menos vuelvan a delinquir?
c) ¿Cuál es la probabilidad de que de 35 nuevos delincuentes juveniles 15 vuelvan a delinquir?
125
Probabilidad y Estadística II
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
126
Distribuciones de Probabilidad con Variables Aleatorias Continua
Nombre _________________________________________________________
AUTOEVALUACIÓN
Núm. de lista ____________ Grupo ________________ Turno __________
Núm. de Expediente ___________________ Fecha ____________________
1. La distribución de probabilidad de una variable aleatoria proporciona una probabilidad para cada valor
posible, y estas probabilidades deben sumar:
"
#" -1
$"1
%"0<P<1
&"100
2. En este tipo de distribución de probabilidad, la variable que se está considerando puede tomar
cualquier valor dentro de un intervalo dado; es una distribución de probabilidad de:
"
#"Variable aleatoria.
$"Variable discreta.
%"Variable categórica.
&"Variable continua.
3. Para obtener este valor de una variable aleatoria discreta, se multiplica cada valor que la variable puede
tomar por la probabilidad de presentación de ese valor y luego se suman esos productos. A este valor
se le llama:
"
#"Valor de la mediana.
$"Valor esperado.
%"Desviación típica.
&"Varianza.
4. Es cualquier mecanismo que nos ayuda a obtener las probabilidades de los valores de una variable si
es discreta, o las probabilidades de intervalos de la variable si es continua.
"
#"Tabla de probabilidades.
$"Función aleatoria.
%"Distribución de probabilidad.
&"Función de frecuencias.
5. Por ejemplo, supongamos que vamos a realizar un experimento aleatorio que consiste en seleccionar
una persona y apuntar su peso. Podemos crear una variable aleatoria cuyos valores sean el número de
kilogramos que pesa la persona observada. Este es un tipo de variable:
"
#"Continua.
$"Aleatoria.
%"Discreta.
&"Categórica.
127
Probabilidad y Estadística II
6. La ecuación o formula que evalúa probabilidad acumulada hasta un cierto valor, y se puede analizar
"
cómo cambia la probabilidad acumulada en cada valor de la variable se le llama:
#"
$"
Función de distribución.
%"
Función de probabilidad.
&"
Frecuencia relativa.
Función de densidad.
7. La gráfica que divide el rango de valores de la variable en intervalos de igual longitud, representando
"
sobre cada intervalo un rectángulo con área proporcional al número de datos en ese rango. Se llama:
#"
$"
Polígono de frecuencias.
%"
Histograma de frecuencias.
&"
Ojiva.
Grafica de líneas.
8. Esta curva suave "asintótica" representa de modo intuitivo la distribución teórica de la característica
observada. Es la función de densidad. Una de las distribuciones teóricas mejor estudiadas y más
utilizadas en los diferentes campos del conocimiento, es:
"
#"Distribución “t” students.
$"Distribución exponencial.
%"Distribución ji-cuadrada.
&"Distribución normal.
9. Existen muchísimos fenómenos aleatorios continuos que siguen o se aproximan a este tipo de
distribución; se puede utilizar la normal para aproximar diversas distribuciones de probabilidad
discretas; constituye la base para la Inferencia Estadística clásica, debido a su relación con el Teorema
del Límite Central; éstas son:
"
#"Las razones fundamentales.
$"Las características principales.
%"Las propiedades importantes.
&"Las distinciones elementales.
"
una función:
#"
$"
Decreciente.
%"
No creciente.
&"
Horizontal.
Creciente.
11. La distribución de una variable aleatoria continua normal está completamente determinada por los
parámetros:
"
#"La moda y el rango.
$"La media y la desviación estándar.
%"La mediana y la varianza.
&"La media y la desviación media.
12. El área total bajo la curva de una distribución normal es, por tanto:
128
Distribuciones de Probabilidad con Variables Aleatorias Continua
"
#"Igual a 100
$"Igual a=0.75
%"Igual a 1
&"Igual al 50 %
13. El área bajo la curva comprendida entre los valores situados aproximadamente a dos desviaciones
estándar de cada lado de la media es igual a:
"
#"0.90
$"0.97
%"0.99
&"0.95
129
Probabilidad y Estadística II
130
Distribuciones de Probabilidad con Variables Aleatorias Continua
1. Dada una distribución normal estándar, encuentre el área bajo la curva que está
a). a la izquierda de z = 1.43
b). a la derecha de z = - 0.89
c). entre z = -2.16 y z = - 0.65
3. Los alambres que se utilizan en cierta computadora deben tener una resistencia entre 0.12 y 0.14
ohms. Las resistencias reales de los alambres producidos por la compañía A tienen una distribución
normal con media de 0.13 ohms y una desviación estándar de 0.005 ohms.
a) ¿Cuál es la probabilidad de que un alambre seleccionado al azar de la producción la compañía A
satisfaga las especificaciones?
b) Si se utilizan cuatro de estos alambres en un sistema y los seleccionan de la compañía A ¿Cuál es
la probabilidad de que los cuatro satisfagan las especificaciones?
4. Se supone que los resultados de un examen tienen una distribución normal con media de 78 y varianza
de 36.
a). ¿Cuál es la probabilidad de que una persona que presenta examen obtenga una calificación mayor
de 72?
b). Suponga que los estudiantes que se encuentran en el 10% superior de la distribución se les
asigna una calificación A ¿Cual es la calificación mínima que debe tener un estudiante para obtener
una A?
c). ¿Cuál debe ser la calificación mínima aprobatoria si el evaluador pretende que solamente el 28.1%
de los estudiantes apruebe?
5. Algunos estudios muestran que el rendimiento de gasolina de autos compactos vendidos en USA se
distribuye normalmente con una media de 25.5 mpg y una desviación estándar de 4.5 mpg.
a). ¿Qué porcentaje de autos compactos tiene un rendimiento de 30 mpg o más?
b). Si un fabricante desea diseñar un auto compacto más económico que el 95% de los autos
compactos actuales ¿Cuál debe ser el rendimiento del nuevo auto?
6. El rendimiento promedio al vencimiento de los bonos industriales emitidos durante el primer trimestre
de 1975 fue de 8.55% con una desviación estándar de 0.70%. Suponiendo que el rendimiento de los
bonos se distribuye normal y que el rendimiento de la compañía FLEX fue de 7.1% ¿Qué podemos decir
de la situación financiera de esta firma durante el trimestre mencionado?
131
Probabilidad y Estadística II
7. Durante los últimos años ha crecido el volumen de acciones negociadas en la bolsa de Nueva York.
Durante las dos primeras semanas de enero de 1998, el volumen diario promedio fue de 646 millones
de acciones (Barron’s. Enero de 1998). La distribución de probabilidad del volumen diario es
aproximadamente normal, con desviación estándar de unos 100 millones de acciones.
a). ¿Cuál es la probabilidad de que el volumen negociado sea menor de 400 millones de acciones?
b). ¿Qué porcentaje de las veces el volumen negociado es mayor de 800 millones de acciones.
c). Si la Bolsa quiere emitir un boletín de prensa sobre el 5% de los días más activos ¿Qué volumen
activará la publicación?
8. La edad promedio que tiene una persona al casarse por primera vez es de 26 años (U:S News & World
Report, 6 de junio de 1994). Suponga que las edades en el primer casamiento tienen una distribución
normal, con desviación estándar de cuatro años.
a) ¿Cual es la probabilidad de que una persona que se casa por primera vez tenga menos de 23
años de edad?
b) ¿Cuál es la probabilidad de que una persona que se casa por primera vez tenga entre 20 y 30 años
de edad?
c) El 90% de las personas que se casan por primera vez ¿A qué edad lo hacen?
9. Mansa es una asociación internacional de personas con alto coeficiente intelectual. Para pertenecer a
ella, una persona debe tener un coeficiente intelectual de 132 ó más alto (USA today, 13 de febrero de
1992). Si las calificaciones del coeficiente de inteligencia se distribuyen normalmente con promedio de
100 y desviación estándar de 15 ¿Qué porcentaje de personas califican para ser miembros de Mansa?
10. Traza una curva normal para una variable aleatoria x que tiene una media µ = 100 y desviación estándar
σ = 10. Indique los valores de 70, 80, 90, 100, 110, 120 y 130 en el eje horizontal.
11. Si X es una variable aleatoria distribuida según una distribución N(µ, σ), hallar:
p(µ−3σ ≤ X ≤ µ+3σ)
9. Si X es una variable aleatoria distribuida según una distribución N(µ, σ), hallar:
p(µ−3σ ≤ X ≤ µ+3σ)
12. En una ciudad se estima que la temperatura máxima en el mes de junio si una distribución normal, con
media 23° y desviación típica 5°. Calcular el número de días del mes en los que se espera alcanzar
máximas entre 21° y 27°.
13. La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviación típica 3 kg.
Suponiendo que los pesos se distribuyen normalmente, identifica cuántos estudiantes pesan:
a. Entre 60 kg y 65 kg.
b. Más de 90 kg.
c. Menos de 64 kg.
d. 64 kg.
e. 64 Kg. o menos.
132
Distribuciones de Probabilidad con Variables Aleatorias Continua
14. Se supone que los resultados de un examen siguen una distribución normal con media 78 y varianza 36.
Se pide:
a. ¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga una calificación
superior a 72?
b. Calcular la proporción de estudiantes que tienen puntuaciones que exceden por lo menos en cinco
puntos de la puntuación que marca la frontera entre el Apto y el No-Apto (son declarados No-Aptos
el 25% de los estudiantes que obtuvieron las puntuaciones más bajas).
c. Si se sabe que la calificación de un estudiante es mayor que 72 ¿Cuál es la prioridad de que su
calificación sea, de hecho, superior a 84?
15. Tras un test de cultura general se observa que las puntuaciones obtenidas siguen una distribución una
distribución N(65, 18). Se desea clasificar a los examinados en tres grupos (de baja cultura general, de
cultura general aceptable, de excelente cultura general) de modo que hay en el primero un 20% la
población, un 65% el segundo y un 15% en el tercero ¿Cuáles han de ser las puntuaciones que marcan
el paso de un grupo al otro?
16. Varios test de inteligencia dieron una puntuación que sigue una ley normal con media 100 y desviación
típica 15.
a. Determinar el porcentaje de población que obtendría un coeficiente entre 95 y 110.
b. ¿Qué intervalo centrado en 100 contiene al 50% de la población?
c. En una población de 2500 individuos ¿Cuántos individuos se espera que tengan un coeficiente
superior a 125?
17. En una ciudad, una de cada tres familias posee teléfono. Si se eligen al azar 90 familias, calcular la
probabilidad de que entre ellas haya por lo menos 30 tipos de teléfonos.
18. En un examen tipo test de 200 preguntas de elección múltiple, cada pregunta tiene una respuesta
correcta y una incorrecta. Se aprueba si se contesta a más de 110 respuestas correctas. Suponiendo
que se contesta al azar, calcular la probabilidad de aprobar el examen.
19. Un estudio ha mostrado que, en un cierto barrio, el 60% de los hogares tienen al menos dos televisores
Se elige al azar una muestra de 50 hogares en el citado barrio. Determina:
a. ¿Cuál es la probabilidad de que al menos 20 de los citados hogares tengan cuando menos dos
televisores?
b. ¿Cuál es la probabilidad de que entre 35 y 40 hogares tenga cuando menos dos televisores?
133
Probabilidad y Estadística II
134
Unidad 4
Análisis de
datos de dos
variables.
Objetivos:
El alumno:
Organizador anticipado:
Temario:
El conocimiento estadístico, nos sirve para fundamentar mediante
razones objetivas el comportamiento de las variables de un evento. Ü Representación de datos de dos
variables.
En esta unidad analizaremos algunas estrategias para manejar Ü Correlación lineal.
datos, con la finalidad de poder aplicarlos a nuestra vida cotidiana. Ü Regresión lineal.
Probabilidad y Estadística II
Métodos de
Tabla de Análisis de mínimos
contingencias correlación cuadrados
Diagrama de Coeficiente de
dispersión correlación
136
Análisis de datos de dos variables
4. 1. REPRESENTACIÓN DE DATOS DE
DOS VARIABLES.
Datos de dos variables: estos datos constan de los valores de dos variables
respuestas diferentes que se obtienen del mismo elemento de la población.
Cada una de las variables puede ser por su naturaleza cualitativa o cuantitativa.
Como resultado, los datos bivariados pueden formarse mediante tres
combinaciones de variables:
Se dice que los datos están ordenados porque siempre se escribe primero un
valor, “X”, y se explica que están parecidos porque para cada valor de X existe
un valor Y.
137
Probabilidad y Estadística II
Ejemplo:
Tabla cruzada de género y especialización.
Filosofía y Administración
Género Tecnología Totales
letras empresarial
Masculino 5 6 7 18
Femenino 6 4 2 12
totales 11 10 9 30
TAREA 1
La tabla de contingencias a menudo presenta porcentajes (frecuencias relativas).
Estos porcentajes pueden estar basados en toda la muestra o en las
clasificaciones de la submuestra.
Página 149. Porcentajes basados en el gran total (toda muestra) de la tabla anterior puede
convertirse fácilmente en porcentajes del gran total, al dividir cada frecuencia
entre el gran total y multiplicar por 100 el resultado.
Ejemplo:
Tabla cruzada de género y especialización
(Frecuencias relativas)
Especialización
EJERCICIO 1
En una encuesta aplicada en Sonora a 500 personas hombres y 500 mujeres,
todos casados entre si, se les solicitó calificar a su cónyuge como pareja sexual.
138
Análisis de datos de dos variables
Es la gráfica de todos los pares ordenados de datos de dos variables que están
en un sistema de ejes coordenados. Las variables de entrada, X, se grafica en el
eje horizontal y la variable de salida, Y, se gráfica en el eje vertical.
Ejemplo:
(27,30), (22,26), (15,25), (35,42), (30,38), (52,40), (35,32), (55,54), (40,50), (40,43)
Tabla:
Estudiantes
1 2 3 4 5 6 7 8 9 10
Lagartijas
27 22 15 35 30 52 35 55 40 40
(x)
Sentadillas
30 26 25 42 38 40 32 54 50 43
(y)
Diagrama de Dispersión.
S
E 60
N 50
T
A 40
D 30 xy
I
20
L
L 10
A
0
S
0 10 20 30 40 50 60
(y)
Ejercicio:
X 2 5 1 4 2
Y 80 80 70 90 60
Página 151.
b) Explique lo que puede concluir con base en el patrón de datos mostrado en el
diagrama de dispersión del inciso (a).
139
Probabilidad y Estadística II
La correlación lineal perfecta ocurre cuando todos los puntos están exactamente
sobre una recta. Esta correlación puede ser positiva o negativa, dependiendo de
si “Y” crece o decrece a medida que “X” se incrementa. Si los datos forman una
línea horizontal o vertical, no hay correlación, ya que una variable no afecta la otra.
6
5
4
3 Líneas 1
2
1
0
1 2 3 4 5
8
7
6
5
4 linea
3
2
1
0
7 6 5 4 3 2 1
140
Análisis de datos de dos variables
Por ejemplo, podría esperarse un valor positivo de “r” para la edad y la estatura de
los niños, ya que con medida que aumenta la edad de un niño, se vuelve más alto.
También, considere la antigüedad “x” y el valor de reventa “y” de un automóvil; a
medida que “envejece” el automóvil su valor de reventa disminuye. Debido a que
cuando “x” crece, “y” decrece, la relación resulta en un valor negativo de “r”.
∑ ( x − x)( y − y)
El valor de “r” está definido por la fórmula producto momento de Pearson:
r= (3 − 1)
(n − 1) s x s y
Nota: sx y sy son las desviaciones estándar de las variables x y y.
141
Probabilidad y Estadística II
Para calcular “r”, se aplicará una fórmula alternativa, la fórmula (3-2), que es
equivalente a la (3-1); como cálculos preliminares por separado, se realizaran tres
sumas de cuadrados y luego se sustituirá en la fórmula (3-2) para obtener “r”.
(27,30), (22,26), (15,25), (35,42), (30,38), (52,40), (35,32), (55,54), (40,50), (40,43)
142
Análisis de datos de dos variables
Tabla:
Estudiantes
X 12 24 17 28 24 36 20
EJERCICIO 2
Y 44 36 25 23 32 17 24
143
Probabilidad y Estadística II
4 . 3. REGRESIÓN LINEAL.
El coeficiente de correlación mide la intensidad de una relación lineal, no dice
nada sobre la relación matemática que hay entre las dos variables.
La relación entres estas dos variables es una expresión algebraica que describe la
relación matemática entre “x” y “y”.
144
Análisis de datos de dos variables
En la figura 3-19 se muestra un diagrama de dispersión con una posible recta del
mejor ajuste, junto con los 10 valores individuales de (y – ŷ). Los valores positivos
se muestran en línea gruesa y los negativos en una línea gris. Si la recta es, en
efecto, la del mejor ajuste, la suma de los cuadrados de estas diferencias se
minimiza (se hace lo más pequeña posible).
En la figura 3-20 se muestran los mismo puntos que en la 3-19 con los 10 valores
individuales (y – ŷ), asociados a una recta que, definitivamente, no es la de mejor
ajuste. El valor de ∑ (y – ŷ )2 es 149, mucho mayor que el 23 de la figura 3-19.
145
Probabilidad y Estadística II
yˆ = 14.9 + 0.66 x
Luego, estos dos puntos (10, 21.5) y (60, 54.5) se localizan en el diagrama de
dispersión (use un signo + color negro para distinguirlos de los demás puntos) y
se traza la recta del mejor ajuste (que se muestra en negro en la figura 3-21).
Hay algunos hechos adicionales sobre el criterio de los mínimos cuadrados que
es necesario analizar.
146
Análisis de datos de dos variables
3. La recta del mejor ajuste siempre pasa por el punto (x, y). Al trazar esta recta
en el diagrama de dispersión, use este punto como comprobación. Para el
ejemplo que se ha trabajado aquí, x = Σx/n = 351/10 = 35.1, y = Σy/n =
380/10 = 38.0; en consecuencia, (x, y) = (35.1, 38) como se indican con el
signo + color gris en la figura 3-21.
Ejercicio:
a) Construye una línea recta que se aproxime a los datos en la tabla.
b) Encuentra una ecuación para esta recta.
TAREA 3
x 1 3 4 6 8 9 11 14
y 1 2 4 4 5 7 8 9
Página 153.
147
Probabilidad y Estadística II
148
Análisis de datos de dos variables
Nombre ____________________________________________________________
TAREA 1 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: En tu colonia, realiza una investigación del grado de estudio de los padres y elabora una
tabla de contingencias.
149
Probabilidad y Estadística II
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
150
Análisis de datos de dos variables
Nombre ____________________________________________________________
TAREA 2 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Traza un eje de coordenadas y grafica un diagrama de dispersión de los siguientes puntos:
151
Probabilidad y Estadística II
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
152
Análisis de datos de dos variables
Nombre ____________________________________________________________
TAREA 3 Núm. de lista ____________ Grupo __________________ Turno ___________
Núm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: En el Zócalo de la ciudad de México, se aplicó una encuesta a 202 amas de casa de
tiempo completo y 197 esposas empleadas, donde se reportó un coeficiente de correlación de 0.43, entre el
ingreso familiar y el nivel educativo de las participantes en el estudio. En una investigación semejante que
implicó a ocho personas, se obtuvieron los siguientes resultados (“x” representa los años de instrucción y “y”
representa el ingreso familiar en miles de pesos).
x 12 13 10 14 11 14 16 16
y 34 45 36 47 43 35 50 42
153
Probabilidad y Estadística II
Revisión: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
154
Análisis de datos de dos variables
Nombre _________________________________________________________
AUTOEVALUACIÓN
Núm. de lista ____________ Grupo ________________ Turno __________
Núm. de Expediente ___________________ Fecha ____________________
1. Cuando los datos bivariados resultan de dos variables cualitativas o de atributos o categóricas a menudo
los datos se disponen en:
# Tabla de frecuencias.
$ Tabla de contingencias.
% Pares ordenados.
& Variable bipolar.
2. Cuando los datos divariados son resultado de dos variables cuantitativas, los datos matemáticos suelen
expresarse como:
# Tabla de frecuencias.
$ Tabla de contingencias.
% Pares ordenados.
& Variable bipolar.
3. Se grafican todos los pares ordenados de datos de dos variables que están en un sistema de ejes
coordenados.
# Tabla de frecuencias.
$ Tabla de contingencias.
% Diagrama de dispersión.
& Diagrama de correlación.
4. Cuando los puntos están exactamente sobre una recta hablamos de:
# Correlación lineal.
$ Correlación positiva.
% Correlación negativa.
& Diagrama de dispersión.
# Fuerza.
$ Distribución gráfica.
% Objetivo primordial.
& Análisis de correlación.
155
Probabilidad y Estadística II
# Coeficiente de correlación.
$ Análisis de correlación.
% Distribución general.
& Tabla de contingencias.
7. Encuentra la ecuación e la recta que describe mejor la relación de las dos variables.
# Análisis de correlación.
$ Análisis de regresión.
% Tabla de contingencia.
& Coeficiente de correlación.
8. Requiere encontrar las constantes b0 y b1 tales que la sumatoria ∑ (y – ŷ)2 sea lo más pequeña posible.
# Análisis de regresión.
$ Coeficiente de correlación.
% Criterio de mínimos cuadrados.
& Diagrama de dispersión.
156
Análisis de datos de dos variables
La gente no es más longeva en la actualidad, sino que también lo es de manera independiente. En el número
de mayo/junio del 2006 del imparcial, se publicó el artículo “análisis multi-estadístico de vida activa de las
personas” en el cual dos de las variables estudiadas fueron la edad actual de una persona y el número
esperado de años restantes por vivir.
b) Calcula la ecuación de la recta del mejor ajuste utilizando el método de mínimos cuadrados.
Edad 65 67 69 71 73 75 77 79 81 83
Años
restantes 16.5 15.1 13.7 12.4 11.2 10.1 9.0 8.4 7.1 6.4
157
Probabilidad y Estadística II
158
Análisis de datos de dos variables
x 2 12 4 6 9 4 11 3 10 11
y 4 8 10 9 10 8 8 5 10 9
159
Probabilidad y Estadística II
160
Claves de Respuestas
1. B 1. A 1. B 1. B
2. C 2. B 2. D 2. C
3. D 3. C 3. B 3. C
4. B 4. B 4. C 4. A
5. A 5. B 5. A 5. D
6. D 6. A 6. D 6. A
7. C 7. D 7. B 7. B
8. B 8. A 8. D 8. C
9. B 9. B 9. A
10. D 10. C 10. D
11. C 11. B
12. C
13. D
161
Glosario
AJUSTE DE BONFERRONI Técnica estadística que ajusta el nivel de
significación en relación al número de pruebas
estadísticas realizadas simultáneamente sobre
un conjunto de datos. El nivel de significación
para cada prueba se calcula dividiendo el error
global de tipo I entre el número de pruebas a
realizar. El ajuste de Bonferroni se considera
conservador.
AMPLITUD O RANGO La diferencia entre el valor máximo y mínimo de
los valores de una variable. En la amplitud de
una variable se encuentran comprendidos el
100% de los valores muestrales.
ANACOVA O ANCOVA Análisis de la covarianza. Es una técnica
estadística que combina ANOVA (pues
compara medias entre grupos) y análisis de
regresión (ajusta las comparaciones de las
medias entre los grupos, por variables
continuas o covariables).
ANOVA Análisis de la varianza. Es una técnica
estadística que sirve para decidir/determinar si
las diferencias que existen entre las medias de
tres o más grupos (niveles de clasificación) son
estadísticamente significativas. Las técnicas de
ANOVA se basan en la partición de la varianza
para establecer si la varianza explicada por los
grupos formados es suficientemente mayor
que la varianza residual o no explicada.
ÁREA BAJO LA CURVA ENTRE Si la curva viene dada por una función de
DOS PUNTOS densidad teórica, representa la probabilidad de
que la variable aleatoria tome un valor dentro
del intervalo determinado por esos dos puntos.
CARACTERÍSTICAS Propiedades de las unidades o elementos que
componen las muestras. Se miden mediante
variables. Se asume que los individuos
presentan diferentes características.
CAUSALIDAD Relación entre causa y efecto. Generalmente
identificadas como variables. No hay que
confundir causalidad con correlación. La
correlación mide la similitud estructural
numérica entre dos variables. Normalmente la
existencia de correlación es condición
necesaria para la causalidad.
CENTIL Puntuación directa por debajo de la cual queda
un determinado porcentaje de sujetos.
COCIENTE INTELECTUAL Norma cronológica consistente en la razón
entre la edad mental y la edad cronológica
multiplicada por 100.
COEFICIENTE DE ALINEACIÓN Multiplicado por 100 indica el porcentaje de
inseguridad, o el azar, que afecta a los
pronósticos.
COEFICIENTE DE CORRELACIÓN Estadístico que cuantifica la correlación. Sus
valores están comprendidos entre -1 y 1.
COEFICIENTE DE CORRELACIÓN Relación conjunta entre dos variables que
indica hasta qué punto la variación de una de
162
ellas conduce a la obtención de valores en la
segunda.
COEFICIENTE DE Es el cuadrado del coeficiente de correlación.
DETERMINACIÓN Expresado en tanto por ciento mide el grado
de información compartida entre dos variables
continuas.
COEFICIENTE DE Multiplicado por 100, indica el porcentaje de
DETERMINACIÓN varianza común o asociada entre las
puntuaciones de los sujetos en el test y en el
criterio o, lo que es lo mismo, la varianza de las
puntuaciones de los sujetos en el criterio que
se puede pronosticar a partir de las
puntuaciones en el test.
COEFICIENTE DE FIABILIDAD Cociente entre la varianza de las puntuaciones
verdaderas y la varianza de las puntuaciones
empíricas obtenidas en un test.
COEFICIENTE DE VALIDEZ Correlación entre las puntuaciones obtenidas
por los sujetos en el test y las obtenidas en el
criterio.
COEFICIENTE DE VALIDEZ Correlación entre el criterio y el conjunto de
MÚLTIPLE variables predictoras. Indica la eficacia de las
variables predictoras para estimar el criterio.
COEFICIENTE DE VARIACIÓN Es una medida de dispersión relativa. No tiene
unidades y se calcula dividiendo la cuasi-
desviación típica entre la media muestral. Se
suele expresar en tanto por ciento.
COEFICIENTES DE REGRESIÓN En un modelo de regresión lineal son los
valores de a y b que determinan la expresión
de la recta de regresión y=a + b·x
CONCEPTO AXIOMÁTICO DE La definición axiomática de probabilidad se
PROBABILIDAD debe a Kolmogorov (1933). Dado un espacio
muestral S, diremos que P es una probabilidad
sobre un evento dado, si las siguientes
propiedades (axiomas) son verificadas:
1. La probabilidad de que ocurra un evento
cualquiera se encuentra entre cero y uno.
2. La probabilidad de que ocurra el espacio
muestral, es decir, el conjunto de todos los
resultados posibles, es 1.
3. Si A y B son eventos mutuamente
exclusivos, es decir, que no tienen
elementos en común, entonces la
probabilidad de alguno de los dos ocurra es
igual a la suma de las probabilidades de los
eventos.
CONCEPTO CLÁSICO DE La fracción en la que el numerador es igual al
PROBABILIDAD número de apariciones del suceso, y el
denominador es igual al número total de casos
en los que ese suceso pueda o no pueda
ocurrir, expresa la probabilidad de que ocurra
el suceso. Elaborado por Bernoulli (1654-1705)
y reformulado por Moivre en 1713.
CONCEPTO FRECUENTISTA DE La probabilidad de un suceso es el resultado
PROBABILIDAD que se obtendría de dividir el número de veces
que ocurre el suceso entre el número total de
observaciones, si el proceso se repitiera en
163
condiciones similares un número grande de
veces. Elaborado por Bernoulli (1654-1705).
CONCEPTO SUBJETIVO DE En el segundo cuarto del siglo XX surgió una
PROBABILIDAD nueva interpretación, llamada ‘subjetiva’, según
la cual la probabilidad mide el grado de
creencia de un individuo en la verdad de una
proposición, variando entre 0 (el individuo cree
que es falso) a 1 (cree que es cierto). Esta
interpretación fue propuesta por primera vez
por el filósofo Frank P. Ramsey.
CONTRASTE BILATERAL Contraste de hipótesis en el que la hipótesis
alternativa da opción a igualdad o superioridad
CONTRASTE DE HIPÓTESIS Es el proceso estadístico que se sigue para la
toma de decisiones a partir de la información
de la muestra. Comparando el valor del
estadístico experimental con el valor teórico
rechazamos o no la hipótesis nula.
CONTRASTE UNILATERAL Contraste de hipótesis en el que la hipótesis
alternativa da opción a solo igualdad o a solo
superioridad.
CORRELACIÓN Expresa la concordancia entre dos variables
según el sentido de la relación de éstas en
términos de aumento o disminución.
CORRELACIÓN PARCIAL Permite interpretar el grado de correlación
entre la variable criterio (Y) y una de las
variables predictoras, eliminando de antemano
el efecto que sobre dicha correlación puedan
estar ejerciendo el resto de las variables.
CORRELACIÓN SEMIPARCIAL Permite conocer el grado de correlación entre
la variable criterio (Y) y una de las variables
predictoras, eliminando el efecto que sobre
esta variable predictora puedan estar
ejerciendo el resto de las variables.
COVARIABLES Variables continuas independientes que junto a
una o más variables grupo de tratamiento
sirven para explicar una variable respuesta
continua. Supongamos que pretendemos
explicar las diferencias existentes en el nivel de
cortisol en sangre por grupo de tratamiento
A/B, teniendo en cuenta el peso. La variable
peso es una covariable.
COVARIANZA Representa la media del producto de las
desviaciones de dos variables en relación a su
media.
COVARIANZA Media del producto de las puntuaciones
diferenciales de dos variables medidas
conjuntamente.
CUARTILES Existen tres cuartiles: Q1, Q2 y Q3. Estos
números dividen a los valores muestrales, una
vez ordenados, en cuatro partes homogéneas
en cuanto a número de observaciones. Así Q1
determina el valor que hace que haya un 25%
de valores muestrales por debajo de éste, y un
75% por encima de éste. Q2 es la mediana.
CUASIVARIANZA Característica de una muestra o población que
cuantifica su dispersión o variabilidad. La
164
cuasivarianza se obtiene multiplicando la
varianza por n / (n-1). La cuasivarianza
muestral es un estimador centrado (no
sesgado) de la varianza poblacional.
DATOS CENSURADOS En análisis de supervivencia son datos donde
no se conoce el tiempo total hasta la aparición
del fracaso/éxito, bien porque el individuo se
retiró del estudio bien porque se acabó el
estudio (datos con censura administrativa).
Existen datos censurados por la izquierda y por
la derecha.
DATOS PAREADOS Datos de poblaciones dependientes, donde los
datos de las variables van emparejados por
individuos, en contraposición con los datos
independientes.
DECILES Corresponden a los percentiles 10%, 20%,
30%, 40%, 50%, 60%, 70%, 80%, 90% y 100%.
DESCRIPTIVA Parte de la estadística que resume la
información de la muestra. La información
recogida y resumida en los estadísticos se usa
para la estimación de parámetros
poblacionales.
DESVIACIÓN CUARTILAR La desviación cuartilar es la mitad de la
diferencia entre el tercer cuartil y el primer
cuartil. El primer cuartil es el valor
correspondiente al punto abajo del cual está el
25% de las observaciones. El tercer cuartil es el
valor abajo del cual están el 75% de las
observaciones.
DESVIACIÓN ESTÁNDAR Es la raíz cuadrada de la varianza. Si los datos
se agrupan estrechamente en torno a la media,
la Desviación Estándar era relativamente
pequeña; si se extienden en todas direcciones,
la Desviación Estándar será relativamente
grande.
DESVIACIÓN ESTANDAR (TÍPICA) Característica de una muestra o población que
cuantifica su dispersión o variabilidad. Tiene
las mismas unidades que la variable. la
desviación típica es invariante con respecto al
origen de la distribución. Su cuadrado es la
varianza.
DESVIACIÓN TÍPICA Medida de variabilidad, definida como la raíz
cuadrada de la varianza de una variable.
DIAGRAMA DE PUNTOS Es un gráfico bidimensional o tridimensional
que muestra la variación de los valores
muestrales de dos o tres variables.
DIAGRAMAS DE BARRAS Representación gráfica para las variables
discretas.
DIFERENCIAS Las diferencias entre lo observado y lo
ESTADÍSTICAMENTE supuesto en la hipótesis nula no puede ser
SIGNIFICATIVAS explicado por el azar.
DIFERENCIAS RELEVANTES Diferencia esperada o definida a priori con un
valor conceptual intrínseco. No confundir
diferencias estadísticamente significativas que
establece si una diferencia, cualquiera que sea
su valor.
165
DIMENSIÓN Si estudiamos una única variable la dimensión
es uno, si estudiamos la información de dos
variables en forma conjunta la dimensión es
dos,...
DISPERSIÓN Ver estadísticos de dispersión.
DISTRIBUCIÓN DE DATOS En la realización de un experimento,
corresponde al recopilamiento o recolección
de los datos experimentales para cada
individuo y cada variable.
DISTRIBUCIÓN NORMAL O DE Es una distribución teórica de probabilidad que
GAUSS se usa tanto en la estadística aplicada como en
la teórica. Aparece en la práctica con mucha
frecuencia como consecuencia del importante
resultado que establece el teorema central del
límite. Tiene una forma de campana, y viene
caracterizada por únicamente dos valores: la
media y la varianza.
DISTRIBUCIÓN T STUDENT Distribución teórica de probabilidad. Se usa
para la comparación de dos medias en
poblaciones independientes y normales.
DISTRIBUCIONES DE Una distribución de frecuencias es una serie de
FRECUENCIA datos agrupados en categorías, en las cuales
se muestra el número de observaciones que
contiene cada categoría.
ECUACIÓN DE LA REGRESIÓN Ver recta de regresión.
ERROR ALFA Es el error que se comete cuando se rechaza
una hipótesis nula, cuando es verdadera. Error
de tipo I.
ERROR ALFA GLOBAL Es el error alfa que se comete por hacer
múltiples comparaciones.
ERROR BETA Es el error que se comete cuando no se
rechaza una hipótesis nula siendo ésta falsa.
Error de tipo II.
ERROR DE PRIMERA ESPECIE Ver error alfa.
ERROR DE SEGUNDA ESPECIE Ver error beta.
ERROR DE TIPO I Ver error alfa.
ERROR DE TIPO II Ve error beta.
ERROR ESTÁNDAR DE LA MEDIA Es el cociente entre la cuasivarianza muestral y
la raíz cuadrada del tamaño muestral.
ERROR ESTANDAR DE LOS Estadístico de dispersión de los valores de los
RESIDUOS residuos después de la regresión.
ERROR FALSO NEGATIVO Ver error beta .
ERROR FALSO POSITIVO Ver error alfa.
ESCALA La distribución de datos puede recogerse en
distintas escalas: nominal, dicotómica, discreta
o continua.
ESPECIFICIDAD DE UN TEST Representa la probabilidad de que un individuo
DIAGNÓSTICO esté sano habiendo dado negativo en el test
diagnóstico.
ESTADÍSTICA La Estadística actual es el producto del
encuentro de dos ramas distintas del saber, la
antigua estadística y el moderno cálculo de
probabilidades. Etimológicamente, la palabra
estadística procede de la palabra estado, ya
que desde la antigüedad los romanos
recolectaban datos que posteriormente tenían
166
que resumir para después disponer de una
información útil.
Estadística es la ciencia que se ocupa de la
ordenación y análisis de datos procedentes de
muestras, y de la realización de inferencias
acerca de las poblaciones de las que éstas
proceden.
ESTADÍSTICA DESCRIPTIVA Estadística Descriptiva es el conjunto de
procedimientos utilizados para organizar,
resumir y presentar grupos de datos
numéricos.
ESTADÍSTICA INFERENCIAL Estadística Inferencial es el conjunto de
métodos utilizados para obtener conclusiones
relativas a una población, basándose en el
conocimiento de las características de una
muestra.
ESTADÍSTICO DE CONTRASTE Se utiliza para realizar las pruebas o contrastes
EXPERIMENTAL de hipótesis. Depende de la muestra. Su valor
hay que compararlo con el valor crítico dado
en las tablas de distribución teóricas.
ESTADÍSTICOS Son funciones de la muestra. Su valor variará
según la muestra, pero nos permite hacer
estimaciones de parámetros poblacionales o
construir estadísticos experimentales para
tomar decisiones acerca de la
ESTADÍSTICOS DE Son estadísticos que nos resumen la
CENTRALIZACIÓN información de la muestra dándonos
información acerca del valor donde parece
concentrarse la distribución de datos.
ESTADÍSTICOS DE DISPERSIÓN Son estadísticos que nos resumen la
información de la muestra, dándonos
información acerca de la magnitud del
alejamiento de la distribución de datos en
relación a un valor central o de concentración
de los datos.
ESTADÍSTICOS DE FORMA Son aquellos que nos hablan de la forma de la
distribución de datos en cuanto a su simetría y
su apuntamiento.
ESTADO DE LA NATURALEZA La naturaleza funciona según una determinada
hipótesis que desconocemos. Las técnicas
estadísticas nos cuantifican el error que
cometemos cuando tomamos decisiones en la
predicción de cuál es la hipótesis con la que la
naturaleza trabaja. Estos errores son los del
tipo I y II.
ESTIMACIÓN Técnicas que a partir de la información de la
estadística descriptiva pretenden conocer
cómo es la población en global. Existen
técnicas de estimación puntuales y por
intervalos de confianza.
ESTIMADO Valor experimental que se toma como
candidato al valor poblacional desconocido.
ESTIMADOR Función de la muestra que sirve para dar
valores candidatos a los valores desconocidos
poblacionales.
FACTOR Variable que se incluye en un modelo con el
167
propósito de explicar la variación en la variable
respuesta. Ver variable independiente o
explicativa.
FACTOR DE CLASIFICACIÓN Es una variable que se usa para clasificar los
datos experimentales en grupos. Los factores
de clasificación son variables nominales. Cada
factor de clasificación se compone de niveles.
Así la variable "Fumador" codificada como
"nunca", "ex fumador", "fumador actual" es un
factor de clasificación con tres niveles.
FRECUENCIAS: ABSOLUTAS, Las frecuencias absolutas representan el
RELATIVAS recuento de los valores de una variable
discreta de forma que su suma nos da el
tamaño muestral .Las relativas son las
absolutas divididas por el tamaño muestral
.Las frecuencias relativas sumarán 1 ó 100
según se expresen en tanto por uno o en tanto
por ciento.
FUNCIÓN Función matemática. Expresión que liga dos o
más variables de forma determinística.
FUNCIÓN ACUMULADA DE Función estadística que presenta la proporción
SUPERVIVENCIA de individuos que mueren entre dos tiempos
dados.
FUNCIÓN DE DENSIDAD DE Nos da el momento critico de mayor tasa de
SUPERVIVENCIA fallos o muertes en términos absolutos, por ello
nos da una medida del riesgo en un momento
dado.
FUNCIÓN DE RIESGO DE Nos da una media de la predisposición al fallo
SUPERVIVENCIA en función del tiempo.
FUNCIÓN TEÓRICA DE Idealización matemática que nos permite
PROBABILIDAD calcular probabilidades de que una variable
tome un valor (caso discreto) o rango de
valores (caso continuo).
FUNCIÓN TEÓRICA DE Probabilidad de que un individuo sobreviva un
PROBABILIDAD DE tiempo mayor que t.
SUPERVIVENCIA
GAUSSIANA Ver distribución normal.
GRADO DE CONFIANZA Ver nivel de confianza.
GRADOS DE LIBERTAD El número de datos que se pueden variar para
que a un total fijo podamos reconstruir dicho
total. Así la media tiene n-1 grado de libertad,
pues si conocemos el valor de ésta podemos
variar n-1 datos ya que el restante vendrá
fijado. En una tabla 4 x 3, si nos dan las
frecuencias marginales, podremos variar las
frecuencias de (4-1) x (3-1) = 3 x 2 = 6 celdas,
quedando forzosamente determinadas las
frecuencias de las celdas restantes. Así, los
grados de libertad serían en este caso de 6.
HETEROCEDASTICIDAD Hipótesis de no igualdad de varianzas
poblacionales en distintos grupos.
HIPÓTESIS Cualquier teoría que formule posibles líneas de
trabajo experimental. Ver hipótesis nula y
alternativa.
HIPÓTESIS ALTERNATIVA Aquélla que queremos probar. Representa la
hipótesis renovadora.
168
HIPÓTESIS NULA Aquélla que queremos rechazar. Representa la
situación actual.
HISTOGRAMA Un histograma describe una distribución de
frecuencia utilizando una serie de rectángulos
adyacentes, donde la altura de cada
rectángulo es proporcional a la frecuencia de
clase que representa.
HISTOGRAMAS Es un gráfico en forma de barras de una
variable continua que se ha discretizado en
intervalos, de forma que la altura de las barras
en cada intervalo indica la frecuencia relativa
en éste.
HOMOCEDASTICIDAD Hipótesis de igualdad de varianzas
poblacionales en distintos grupos.
IMPRECISIÓN Error que se comete en la predicción.
INDEPENDENCIA Son datos que no están ligados entre sí.
INTERVALO DE PROBABILIDAD Proporción de casos entre dos valores
definidos de la muestra
INTERVALOS CONFIDENCIALES Intervalos de confianza. Intervalos fiduciales.
Incluyen una cota mínima y máxima del
verdadero parámetro poblacional con un
determinado nivel de confianza.
JACKNIFE Método estadístico de estimación por
intervalos de confianza basado en la
simulación con reemplazamiento, propuesto
por TuKey.
JUEGO DE SUMA CERO En la teoría de juegos, juego en el que lo que
unos ganan es a costa de lo que otros
exactamente pierden.
LÍMITES CONFIDENCIALES Extremos de los intervalos confidenciales.
MÁXIMO Es un valor muestral de forma que por encima
de éste no hay valores muestrales.
MEDIA Es una medida de centralización para una
variable continua. Se obtiene sumado todos los
valores muestrales y dividiendo por el tamaño
muestral.
MEDIA ARITMÉTICA La media aritmética de un conjunto de valores.
Es el resultado de la suma de todos ellos
dividido entre el número total de valores.
Comúnmente se le conoce como promedio.
MEDIANA La mediana es el punto medio de los valores
de una serie de datos después de haber sido
ordenados de acuerdo a su magnitud. Hay
tantos valores antes que la mediana como
posteriores en el arreglo de datos.
MEDIANA Corresponde al percentil 50%. Es decir, la
mediana hace que haya un 50% de valores
muestrales inferiores a ella y un 50% de valores
muestrales superiores a ella.
MEDICIÓN Proceso de medir.
MEDIDA Valor numérico asignado a un objeto o sujeto
en el proceso de medir.
MEDIDAS DE TENDENCIA Las Medidas de Tendencia Central resumen la
CENTRAL serie de datos en un solo número,
comúnmente conocidas como promedios. Hay
tres diferentes medidas de tendencia central: la
169
media aritmética, la mediana, y la moda.
MEDIDAS DE VARIABILIDAD Las medidas de variabilidad de una serie de
datos, muestra o población, permiten
identificar qué tan dispersos o concentrados se
encuentran los datos respecto a una medida
de tendencia central.
MEDIR Asignar un número a un objeto o sujeto en
función del grado en que posea o manifieste la
variable de interés.
MÉTODO Camino a seguir para alcanzar un objetivo.
MÉTODO EQUIPERCENTIL Método que se basa en equiparar aquellas
puntuaciones cuyos percentiles son iguales.
MÉTODO LINEAL Método que se basa en la equiparación de
aquellas puntuaciones directas que tienen la
misma puntuación típica.
METODOLOGÍA Tratado de los métodos. Estudia las
estrategias y procedimientos que, de una
forma más o menos estructurada, se utilizan
para la obtención de los conocimientos que
constituyen una disciplina científica.
MÍNIMO Es un valor muestral de forma que por debajo
de este no hay valores muestrales.
MODA Es el valor de la observación que aparece más
frecuentemente. Es el valor que más se repite
en una variable nominal.
MODELO Intento matemático / estadístico para explicar
una variable respuesta por medio de una o
más variables explicativas o factores.
MUESTRAS Subgrupos de observaciones de la población
de estudio.
NIVEL DE CONFIANZA Se define como 1 menos el nivel de
significación. Se suele expresar en tanto por
ciento.
NIVEL DE CONFIANZA Probabilidad de que el parámetro se encuentre
dentro del intervalo cuyos límites están
definidos por el valor del estadístico
más/menos el error máximo de estimación.
NIVEL DE SIGNIFICACIÓN La probabilidad de rechazar una hipótesis nula
verdadera; es decir, la probabilidad de cometer
un error de tipo I.
NIVELES DE CLASIFICACIÓN Los distintos posibles valores que pueden
aparecer en una variable explicativa nominal u
ordinal.
NORMAL Ver distribución de probabilidad normal.
NORMAS A las puntuaciones obtenidas por los sujetos
que constituyen el grupo normativo, así como a
las transformaciones que se hagan de dichas
puntuaciones, se las denomina.
NÚMEROS Ver valores numéricos.
OBSERVACIÓN Sinónimo de caso registro e individuo.
OJIVAS Las distribuciones de frecuencia acumulada y
frecuencia relativa acumulada se presentan
gráficamente con las ojivas de frecuencia
acumulada y frecuencia relativa acumulada,
que es una gráfica de segmentos de línea que
une los puntos donde se cruzan los límites
170
reales con las frecuencias relativas
acumuladas, de cada intervalo de clase.
ORDEN DE UNA MATRIZ Es el número que designa, en una matriz
cuadrada, el número de filas o columnas.
ORTOGONAL Se dice de las variables y en general, de las
funciones que son independientes.
P (P- VALOR) El nivel de significación observado en el test.
Cuanto más pequeño sea, mayor será la
evidencia para rechazar la hipótesis nula.
PARÁMETROS Son valores desconocidos de características
de una distribución teórica. El objetivo de la
estadística es estimarlos, bien dando un valor
concreto, bien dando un intervalo confidencial.
PEARSON ( R DE PEARSON) Ver coeficiente de correlación.
PERCENTIL Puntuación en un test, que indica el “tanto por
ciento” de sujetos del grupo normativo que
dicha puntuación deja por debajo.
PERCENTILES Un percentil 90% corresponde a un valor que
divide a la muestra en dos, de forma que hay
un 90% de valores muestrales inferiores a éste,
y un 10% de valores muestrales superiores.
Los percentiles 25%, 50%, 75% son el primer,
segundo y tercer cuartel, respectivamente.
POBLACIONES Conjunto de individuos de interés.
Normalmente no se dispone de información de
toda la población y se recurre a muestras.
POLÍGONO El polígono de frecuencia consiste de
segmentos de línea conectando los puntos
formados por la intersección de las marcas de
clase y las frecuencias de clase. El polígono de
frecuencia relativa es similar, sólo que en éste
se muestran porcentajes, es decir, las
frecuencias relativas de cada clase.
PORCENTAJES Proporciones expresadas en tanto por ciento.
POTENCIA DE LA PRUEBA (1-beta). Es decir la probabilidad de rechazar
una hipótesis nula siendo ésta falsa. Se suele
expresar en tanto por ciento.
PREVALECIA Cociente entre el número de individuos que
poseen una característica (p. ej. enfermedad)
entre el total de la población.
PROBABILIDAD Asignación de un número entre cero y uno a
cada resultado experimental.
PROCESO DISCRIMINANTE Proceso subjetivo originado en el sujeto ante la
presentación de un estímulo a través del cual le
asignará un valor también subjetivo en el
continuo psicológico.
PROPORCIÓN Número de individuos que verifican una
condición entre el total del tamaño muestral. Se
puede expresar en tanto por uno o en tanto por
cien.
PRUEBA CHI CUADRADO Se utiliza para analizar tablas de contingencia
y comparación de proporciones en datos
independientes.
PRUEBA DE F Prueba estadística que sirve para comparar
varianzas. El estadístico F experimental es el
estadístico de contraste en el ANOVA y otras
171
pruebas de comparación de varianzas.
PRUEBA DE FISHER Es la prueba estadística de elección cuando la
prueba de Chi-cuadrado no puede ser
empleada por tamaño muestral insuficiente.
PRUEBA DE LOS SIGNOS Prueba estadística que sirve para comparar
dos variables en términos de diferencias
positiva o negativa, y no en términos de
magnitud
PRUEBA DE MCNEMAR Prueba estadística que sirve para comparar
proporciones en datos pareados.
PRUEBA NO PARAMÉTRICA Técnica estadística que no presupone ninguna
distribución de probabilidad teórica de la
distribución de nuestros datos.
PRUEBA PARAMÉTRICA En contraposición de las técnicas no
paramétricas, éstas si presuponen una
distribución teórica de probabilidad subyacente
para la distribución de los datos. Son más
potentes que las no paramétricas.
PRUEBA T DE STUDENT Se utiliza para la comparación de dos medias
de poblaciones independientes y normales.
PUNTO DE INFLEXIÓN Representan los puntos de una función
matemática donde la curva pasa de ser
cóncava a convexa o recíprocamente.
RANGO Diferencia entre el valor máximo y mínimo de
una muestra o población. Sólo es válido en
variables continuas. Es una mala traducción de
inglés "range". Amplitud.
RANGO INTERCUARTÍLICO La diferencia entre el percentil 75% y el
percentil 25%.
RAZÓN DE VEROSIMILITUDES Combina resultados de varios tests
diagnósticos dando una probabilidad de
enfermedad en base a ese conjunto de
resultados en forma global.
RECTA DE REGRESIÓN Es el modelo que sirve para explicar una
variable respuesta continua en términos de un
único factor o variable explicativa.
REGRESIÓN Técnica estadística que relaciona una variable
dependiente (y) con la información
suministrada por otra variable independiente
(x) ambas variables deben ser continuas. Si
asumimos relación lineal, utilizaremos la
regresión lineal simple. Entre las restricciones
de la RLS se incluyen:
Ü Los residuos deben ser normales.
Ü Las observaciones independientes.
Ü La dispersión de los residuos debe
mantenerse a lo largo de la recta de
regresión.
REGRESIÓN Predicción del valor de una variable a partir el
valor conocido de otra variable.
REGRESIÓN LINEAL MÚLTIPLE El modelo de regresión lineal múltiple sirve
para explicar una variable respuesta continua
en términos de varios factores o variables
explicativas continuas
REGRESIÓN POLINÓMICA Es un tipo especial de regresión múltiple donde
aparecen como variables independientes una
172
única variable y potencias de ésta (al
cuadrado, al cubo).
RELACIÓN LINEAL Ver recta de regresión.
RESIDUOS Residuales. Distribución de valores muestrales
calculados como la diferencia entre el valor de
la variables respuesta (y) y el estimado del
modelo de regresión ( ^y). La distribución de
residuos es importante como indicador del
cumplimiento de las condiciones de aplicación
de las técnicas de correlacíón, así como de la
bondad del ajuste.
SECTORES CIRCULARES Forma de representación en forma de tarta de
variables discretas nominales.
SENSIBILIDAD DE UN TEST Representa la probabilidad de que un individuo
DIAGNÓSTICO esté enfermo habiendo dado positivo en el test
diagnóstico.
SESGO La diferencia entre el valor del parámetro y su
valor esperado. También se utiliza en
contraposición de aleatorio, así una muestra
sesgada es no aleatoria.
SIMETRÍA Es una medida que refleja si los valores
muestrales se extienden o no de igual forma a
ambos lados de la media.
SPEARMAN (RHO DE Coeficiente de correlación ordinal análogo al
SPEARMAN) coeficiente r de Pearson de correlación lineal.
SUMATORIO Estadístico descriptivo que suma los valores
numéricos de los datos muestrales de
distribuciones continuas.
TABLA DEL ANOVA Es una forma de presentar la variabilidad
observada en una variable respuesta en
términos aditivos según las distintas fuentes de
variación: modelo y residual.
TABLAS DE CONTINGENCIA Tablas de dos o más variables, en cuyas
celdas se contabilizan los individuos que
pertenecen a cada combinación de los
posibles niveles de estas variables.
TABLAS DE FRECUENCIAS Ver tablas de contingencia.
TAMAÑO MUESTRAL Número de individuos u observaciones que
componen la muestra.
TÉCNICAS DE CORRELACIÓN Ver coeficiente de correlación.
TÉCNICAS DE REGRESIÓN Ver recta de regresión y regresión lineal
múltiple.
TÉCNICAS NO PARAMÉTRICAS Son técnicas estadísticas que no presuponen
ningún modelo probabilístico teórico. Son
menos potentes que las técnicas paramétricas,
aunque tienen la ventaja de que se pueden
aplicar más fácilmente.
TEOREMA DEL LÍMITE CENTRAL Resultado básico en la estadística que afirma
que la distribución de las medias muestrales
será normal para uno suficientemente grande
con independencia de la distribución de datos
de partida.
TEST Instrumento de medición diseñado
especialmente para estudiar de un modo
objetivo y sistemático el nivel de los sujetos
respecto a algún atributo o característica.
173
TRANSFORMACIONES Cambios de escala con el propósito de
conseguir linealidad, normalidad en los datos.
UNIDAD Concepto primario relacionado con los
componentes elementales de las muestras
estadísticas. Sinónimo, pero no esencialmente
idéntico, de caso, observación, registro o
individuo.
UNIDIMENSIONALIDAD Es un supuesto básico de los tres modelos
logísticos estudiados en esta asignatura. Un
test se considera unidimensional cuando todos
los ítems miden un único rasgo o aptitud, y esa
aptitud explica el rendimiento de los sujetos en
cada ítem.
UNIVERSO Conjunto infinito de elementos o unidades
generado por un modelo teórico. Conjunto real
de todos los elementos que comparten unas
condiciones de admisión en el conjunto.
VALIDACIÓN Proceso mediante el cual se recoge toda la
información posible y necesaria para poder
inferencias adecuadas a partir de las
puntuaciones obtenidas en los tests.
VALOR ESCALAR DE UN Valor modal de la distribución discriminante.
ESTÍMULO
VALOR PREDICTIVO NEGATIVO La probabilidad de que un individuo esté
DE UN TEST DIAGNÓSTICO enfermo si el test diagnóstico da negativo.
VALOR PREDICTIVO POSITIVO DE La probabilidad de que un individuo esté
UN TEST DIAGNÓSTICO enfermo si el test diagnóstico da positivo.
VALORES Preferencias sobre objetivos de vida y formas
de vida más que sobre actividades concretas.
VALORES NUMÉRICOS Resultados de las variables para cada
individuo en la muestra de estudio. Su
naturaleza puede ser nominal, dicotómica,
ordinal o continua.
VALORES NUMÉRICOS Resultados de las variables para cada
individuo en la muestra de estudio. Su
naturaleza puede ser nominal, dicotómica,
ordinal o continua.
VARIABLE Objeto matemático que puede tomar diferentes
valores. Generalmente asociado a propiedades
o características de las unidades de la
muestra. Lo contrario de variable es constante.
Describen características en las observaciones
realizadas.
VARIABLE ALEATORIA Variable que cuantifica los resultados de un
experimento aleatorio. Variable que toma
diferentes valores como resultado de un
experimento aleatorio. Categoría cuantificable
que puede tomar diferentes valores cada vez
un experimento o suceso, el valor sólo se
conocerá determinadamente una vez accedido
el suceso.
VARIABLE CONTINUA Aquella que puede tomar una infinidad de
valores, de forma que dados dos valores
cualesquiera, también pueda tomar cualquier
valor entre dichos valores.
VARIABLE DEPENDIENTE Ver variable respuesta.
174
VARIABLE DISCRETA Variable que toma un número infinito o finito de
valores numéricos. Variable aleatoria que
puede tomar sólo un número limitado de
valores.
VARIABLE EXPLICATIVA Ver variable independiente.
VARIABLE INDEPENDIENTES O Variables que nos sirven para construir un
EXPLICATIVAS modelo que explique el comportamiento de
una o más variables respuesta.
VARIABLE RESPUESTA O Variable objeto del estudio en la cual sus
DEPENDIENTE resultados se pretenden explicar por medio de
las variables llamadas explicativas o
independientes.
VARIANZA Es la media aritmética de las desviaciones
cuadradas de los datos respecto a la media.
VARIANZA Medida de variabilidad, definida como el
promedio de las diferencias al cuadrado de
cada puntuación respecto a su media.
Característica de una muestra o población que
cuantifica su dispersión o variabilidad. La
varianza tiene unidades al cuadrado de la
variable. Su raíz cuadrada positiva es la
desviación típica. La varianza muestral es un
estimador sesgado de la varianza poblacional.
VARIANZA DE ERROR Variación aleatoria de la variable dependiente
debida a variables extrañas que afecten de
forma sistemática a dicha variable.
WILCOXON Prueba estadística no paramétrica para la
comparación de dos muestras (dos
tratamientos). Las distribuciones de datos no
necesitan seguir la distribución normal. Es por
tanto una prueba menos restrictiva que la
prueba t-Student.
X2 CHI- CUADRADO Ver prueba de Chi cuadrado.
175
Bibliografía General
( Freund John, Williams Frank, Perles Benjamín. Estadística para la
administración con enfoque moderno. Editorial Prentice Hall
hispanoamericana, S. A. 1990.
( Johnson, Robert y Kuby Patricia. Estadística elemental. Editorial Thomson,
México, 2004.
( Lipschutz, Seymour. Probabilidad. Editorial McGraw-Hill. 2da Edición. México
2001.
( Murray R., Spiegel. Estadística. Editorial McGraw-Hill. 2da. Edición. México,
2002.
( Webster, Allen l. Estadística aplicada a los negocios y la economía. Editorial
McGraw-Hill. 3ra. Edición. México, 2001.
( Wisniewski, Piotr Marian y Velasco Sotomayor Gabriel. Probabilidad y
estadística para ingeniería y ciencias. Editorial Thomson. 2da. Edición.
México, 2001.
176