33 universidad nacional de ingeniería - docente universitario · ... murray r. spiegel. ... de...
TRANSCRIPT
![Page 1: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/1.jpg)
𝑆 = 𝑥𝑖 − 𝑥 2
𝑛 − 1
𝑛
1
33 Universidad Nacional de Ingeniería UNI – Norte
Sede Regional en Estelí
MODALIDAD ESPECIAL SABATINO
Carrera: Ingeniería Civil
Año académico: 2012
Semestre: Tercero
Asignatura: Estadísticas
Docentes:
Maestro Luis María Dicovskiy Riobóo
Ing. Jhony Montenegro Molina
Estelí, 2012
![Page 2: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/2.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 2
Presentación.
Este texto básico de estadística está diseñando y organizado en función del
contenido de de los temas que se aborda en las asignaturas de Estadística que se
imparte en las carrera de Ingeniería Civil de la Universidad Nacional de Ingeniería,
UNI, Nicaragua.
Este texto tiene un enfoque utilitario, práctico, respetando el principio que la
Estadística debe ser una herramienta fundamental para describir procesos y tomar
decisiones en el trabajo cotidiano de un Ingeniero. En el mismo se trató de romper
la dicotomía entre teoría y realidad, respondiendo permanentemente a la pregunta
¿Cuándo puedo usar esta teoría? ¿Qué me permite conocer o responder la
misma? Si podemos describir “la estadística” como: “un conjunto de técnicas para
describir grupos de datos y para tomar decisiones en ausencia de una información
completa”. ¡Un texto de estadística para ingenieros debe respetar esta definición!
Por lo anterior y respetando el principio de asequibilidad es que buena cantidad de
los ejercicios fueron generados en el aula con la información que tienen los
estudiantes a la mano. Creo que la estadística no puede funcionar si primero no se
sabe como generar el dato, cómo organizar la información en forma de matriz y
luego analizar ésta usando un programa estadístico computacional.
Para hacer los ejercicios de este texto y construir gráficos digitales se sugiere
utilizar el programa estadístico INFOSTAT, el cual dispone de una versión de uso
libre que se puede descargar gratuitamente desde la página www.infostat.com.ar .
![Page 3: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/3.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 3
Introducción
La estadística, es una ciencia relativamente nueva pero con miles de años de uso
empírico, María y José parten de Nazaret a Belén para ser censados por los
romanos. ¡Hace 2000 años éste imperio llevaba un control estadístico de lo que
poseían sus colonias para luego cobrar impuestos¡ En la actualidad los
procedimientos estadísticos son de particular importancia en las ciencias
biológicas y sociales para reducir y abstraer datos. Una definición que describe la
estadística de manera utilitaria es la que dice que es: “un conjunto de técnicas
para describir grupos de datos y para tomar decisiones en ausencia de una
información completa”. La estadística a diferencia de la matemática no genera
resultados exactos, los resultados siempre tienen asociada un grado de
incertidumbre o error. La estadística trata de lograr una aproximación de la
realidad, la cual es siempre mucho más compleja y rica que el modelo que
podemos abstraer. Si bien esta ciencia es ideal para describir procesos
cuantitativos, tiene serios problemas para explicar “el porqué” cualitativo de las
cosas.
En general podemos hablar de dos tipos de estadísticas, las descriptivas que nos
permiten resumir las características de grandes grupos de individuos y las
inferenciales que nos permite dar respuestas a preguntas (hipótesis) sobre
poblaciones grandes a partir de datos de grupos pequeños o muestras. En este
curso se abordará fundamentalmente contenidos de estadística descriptiva.
Objetivos Generales.
1.- Proporcionar al estudiante los conceptos básicos necesarios para la
formación de habilidades y poder utilizar la Estadística Descriptiva como
herramienta de información.
2.- Hacer uso de datos de información para hacer inferencias y valorar las
medidas de confiabilidad por medio de la Estimación y Prueba de Hipótesis.
![Page 4: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/4.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 4
ÍNDICE DE CONTENIDOS DE LOS ENCUENTROS.
CONTENIDO MODALIDAD ESPECIAL SABATINO .................................................................................. 1
Presentación. ........................................................................................................................... 2
Introducción ............................................................................................................................. 3
Objetivos Generales. ................................................................................................................ 3
ENCUENTRO 1 ................................................................................................................................. 6
ORIENTACIONES GENERALES .......................................................................................................... 6
ACTIVIDADES A DESARROLLAR: ...................................................................................................... 6
ENCUENTRO 2. ................................................................................................................................ 7
ENCUENTRO 3. ................................................................................................................................ 8
ENCUENTRO 4 ................................................................................................................................. 9
ENCUENTRO 5. .............................................................................................................................. 11
ENCUENTRO 6 ............................................................................................................................... 12
ENCUENTRO 7. .............................................................................................................................. 13
ENCUENTRO 8 ............................................................................................................................... 15
ENCUENTRO 9 ............................................................................................................................... 16
ENCUENTRO 10 ............................................................................................................................. 17
ENCUENTRO 11 ............................................................................................................................. 19
ANEXOS.................................................................................................................................. 20
Encuentro I .................................................................................................................................... 20
![Page 5: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/5.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 5
Encuentro II .................................................................................................................................. 23
Encuentro III ................................................................................................................................. 25
Encuentro IV ................................................................................................................................. 27
Propiedades de la Probabilidad ............................................................................................... 27
Encuentro V .................................................................................................................................. 29
Teorema de Bayes. Regla de la probabilidad Total .............................................................. 30
Planteo del Teorema de Bayes ............................................................................................ 30
Encuentro VI ................................................................................................................................. 34
El Desvío Estándar y el Teorema de Chebyshev .............................................................. 36
Encuentro VII ................................................................................................................................ 37
Distribución Normal .................................................................................................................... 37
Encuentro VIII ............................................................................................................................... 39
La distribución “F” de Fisher. .................................................................................................... 39
La distribución Binomial ............................................................................................................. 40
Distribución de Poisson ............................................................................................................. 41
Encuentro IX ................................................................................................................................. 43
Estimación por Intervalos de Confianza. ................................................................................ 43
Encuentro X .................................................................................................................................. 44
Generalidades de las pruebas de Hipótesis .......................................................................... 44
Prueba de hipótesis con pruebas “t” ........................................................................................ 45
La media de una muestra pertenece a una población con media conocida ................. 45
Las medias de dos muestras o grupos pertenecen a una misma población. ............... 46
Encuentro XI ................................................................................................................................. 48
![Page 6: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/6.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 6
ENCUENTRO 1. OBJETIVOS PARTICULARES
Explicada la Importancia y Ramas de la Estadística, así como la aplicación en tu carrera.
Construida una base de datos para su posterior análisis estadístico.
Analizadas las diferentes variables estadísticas que se puede generar en la encuesta.
Contenidos a desarrollar:
Introducción: Importancia, Ramas de la
Estadística. Recopilación y presentación de datos:
Tablas de datos, tipos de variables.
Recursos y Materiales:
Dosier, folleto, ppt, calculadora científica de mano.
Tiempo Mínimo Necesario:
Presencial Extra Clase
4 4
ORIENTACIONES GENERALES
Es importante tu participación en las diferentes actividades, así como la tolerancia y el respeto por las opiniones de los
demás. Ten en cuenta que la participación será valorada. Intégrate a un equipo para los trabajos extra-clase con el cual
desarrollarás el proyecto de fin de curso.
Trae a la clase una calculadora científica con su manual de uso.
Descarga del Blog www.jmontenegro.wordpress.com en la página Estadística-Probabilidades el libro digital con el que se
desarrollará toda la clase.
Debes reforzar tus conocimientos mediante la investigación independiente visitando sitios de interés como
www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_estadistica/index.htm.
ACTIVIDADES A DESARROLLAR:
Actividades Iniciales. Participa mediante ideas, cómo se dará la asignatura y de qué manera se te evaluará.
Realiza las actividades de diagnóstico indicadas por tu docente para identificar tus conocimientos previos.
De Desarrollo: Construye una base de datos colectiva de los miembros de tu clase, generando variables discretas, continuas, dicotómicas,
ordinales y nominales. Usa la cinta métrica para generar datos.
![Page 7: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/7.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 7
Finales: (Orientaciones para el trabajo Independiente) Resuelve los ejercicios 1.1, 1.2, 1.3, 1.4 y 1.5 de la Sección de Anexos. Lee el Anexo del Encuentro I y XI (Informe Final)
Descarga los documentos y presentaciones del Blog Docente. Recuerda que la puntualidad es valorada.
Cada una de las actividades finales que debes realizar, es de forma individual y en tu propio cuaderno de apuntes.
Bibliografía Recomendada: www.jmontenegro.wordpres.com y Texto Anexo Encuentro I
Estadística. Murray R. Spiegel. Larry J. Stephens
Probabilidad y Estadística para Ingenieros. Ross 2da Edición
Probabilidad & Estadística para Ingeniería y Ciencias. Walpole Myers Myers Ye 8va Edición
Probabilidad y Estadística Aplicada a la Ingeniería. Douglas C. Montgomery y George C. Runger.
RESULTADOS ESPERADOS:
Desarrollada la capacidad para recolectar y organizar datos así como para la definición y clasificación de las variables estadísticas de la encuesta de la clase.
ENCUENTRO 2. OBJETIVOS PARTICULARES
Elaboradas las Tablas de Distribución de Frecuencias de datos considerando el tipo de variable.
Diseñados los diferentes tipos de gráficos comunes de forma manual y con computadoras. Contenidos a desarrollar:
Tablas de distribución de frecuencias, Gráficos: Diagrama de Tallo y Hojas, Histograma, Diagrama de Barras, Ojiva, Diagrama de Pastel.
Recursos y Materiales:
Calculadora científica de
mano.
Base de datos generada
previamente en el aula.
Guía de laboratorio.
Tiempo Mínimo Necesario:
Presencial Extra Clase
4 4
ORIENTACIONES GENERALES
Debes participar a la pizarra en la resolución de los ejercicios orientados en el encuentro anterior.
Presenta la base datos generada en el aula para su depuración e inmediata utilización.
Lee, analiza pregunta e infiere sobre la presentación que trata la construcción de tablas de distribución de frecuencias y gráficos comunes.
![Page 8: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/8.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 8
ACTIVIDADES A DESARROLLAR:
Actividades Iniciales. Participa voluntariamente en la resolución de los ejercicios orientados en el encuentro anterior. Debes apropiarte de cómo se puede construir una Tabla de distribución de frecuencias (TDF ).
De Desarrollo: Construye TDF de una variable categórica y de una continua en aula de forma manual y en el centro de cómputos usando el
software Infostat. Realiza gráfico de Pastel, de Barras, Histograma y Polígono de Frecuencias de los mismos.
Finales: (Orientaciones para el trabajo independiente)
Resuelve los ejercicios 1.6 y 1.7.
Recuerda que la puntualidad es valorada.
Bibliografía Recomendada: Texto Anexo Encuentro II y
Bibliografía orientada desde el primer encuentro.
RESULTADOS ESPERADOS: Identificación de las TDF de variables
continuas y categóricas; así como de los diferentes gráficos.
ENCUENTRO 3. OBJETIVOS PARTICULARES
Analizadas y definidas las medidas de tendencia central y de dispersión.
Construidas a partir de los datos generados por los alumnos, medidas de tendencia central y de dispersión.
Contenidos a desarrollar:
Medidas de Tendencia Central para datos no agrupados y agrupados. Media Aritmética, Media Geométrica, Media Cuadrática Mediana, Moda Medidas de Dispersión: Rango, Varianza, Desviación Estándar. Coeficiente de Varianza o de dispersión. Otras medidas: cuartiles, percentiles. Momentos, Simetrías, Coeficiente de Asimetría y Coeficiente de Curtosis.
Recursos y
Materiales:
Tablas de
distribución de
frecuencias.
Recursos del aula.
Tiempo Mínimo
Necesario:
Presencial Extra Clase
4 4
![Page 9: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/9.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 9
ORIENTACIONES GENERALES
Debes disponer de una calculadora y utensilios didácticos para elaborar tablas de distribución de frecuencias de diferentes tipos de
variables a partir de la base de datos generada; así como para el cálculo de las medidas de tendencia central y de dispersión de las
mismas.
ACTIVIDADES A DESARROLLAR:
Actividades Iniciales. Participa dirigida y/o voluntariamente en la resolución de los ejercicios orientados en el encuentro anterior y consulta sobre las dudas que
puedas tener para así terminar de desarrollar tu habilidad para el análisis y solución de problemas.
Identifica los diferentes tipos de medidas de resumen que pueden describir a los datos de la encuesta, reconoce la forma de cálculo con
calculadora, da a conocer tus dudas y contribuye con tu experiencia en otras de tu dominio.
De Desarrollo: Realiza diferentes tipos de medidas resumen a partir de las TDF de los datos antes generados.
Finales: (Orientaciones para el trabajo independiente)
Resuelve los ejercicios 1.8 y 1.9 de la sección de anexos. Recuerda que la puntualidad es valorada.
Bibliografía Recomendada: Texto Anexo Encuentro III y
Bibliografía orientada desde el primer encuentro.
RESULTADOS ESPERADOS: Desarrollada la capacidad de
interpretar las medidas más comunes que describen datos.
ENCUENTRO 4. OBJETIVOS PARTICULARES
Aplicada la teoría del algebra de conjuntos en la resolución de ejercicios
prácticos sencillos de probabilidad.
Utilizada las técnicas de conteo en la resolución de problemas sencillos
Contenidos a desarrollar:
Definición frecuentista y clásica de probabilidad.
Espacio muestral, eventos. Álgebra de conjuntos. Ocurrencia de sucesos.
Descripción de sucesos mediante operaciones con conjuntos.
Recursos y Materiales:
Bases de datos de
estudiantes.
Presentación en
diapositivas.
Laboratorio de cómputos
Tiempo Mínimo
Necesario:
Presencial Extra Clase
4 4
![Page 10: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/10.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 10
Sucesos mutuamente excluyentes. Axiomas y teoremas básicos de
probabilidad. Técnicas de conteo, Regla multiplicativa, permutaciones,
combinaciones, coeficientes multinomiales. Probabilidad de la unión de
sucesos.
ORIENTACIONES GENERALES
Lee previamente los conceptos de probabilidad y buscar ejemplos de su uso en temas relacionados con la carrera. Mantén a mano tu calculadora científica para la resolución de ejercicios y participa en la resolución de ejemplos. ACTIVIDADES A DESARROLLAR:
Actividades Iniciales. Participa dirigida y/o voluntariamente en la resolución de los ejercicios orientados en el encuentro anterior y consulta sobre las dudas que puedas tener sobre el análisis y solución de éstos. Discute el uso de la probabilidad en la carrera de Ing. Civil.
De Desarrollo: Explica y Resuelve los ejercicios de probabilidades aplicados al contexto.
Participa de los ejercicios propuestos resolviéndolos a la pizarra y pregunta sobre las dudas encontradas.
Finales: (Orientaciones para el trabajo independiente)
Resuelve los ejercicios 2.2 - 2.6. Lee la información para el
próximo encuentro.
Plantea dos problemas donde se use las distribuciones de
probabilidad en al Ingeniería Civil.
Recuerda que la puntualidad es valorada.
RESULTADOS ESPERADOS: Capacidad de resolver problemas simples
de probabilidades e identificar aplicaciones en la Ingeniería Civil.
Bibliografía Recomendada: Texto Anexo Encuentro IV y Bibliografía orientada desde el primer encuentro.
![Page 11: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/11.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 11
ENCUENTRO 5. OBJETIVOS PARTICULARES
Diseñados problemas aplicando la probabilidad condicional y el teorema de Bayes.
Contenidos a desarrollar: Probabilidad Condicional. Ley multiplicativa de probabilidades condicionales particiones.
Recursos y Materiales: Texto de estudio.
Presentación de diapositivas.
Recursos del aula.
Tiempo Mínimo Necesario:
Presencial Extra Clase
4 4
ORIENTACIONES GENERALES
Lee teoría previa de probabilidades condicionales, toma apuntes de la información brindada sobre Probabilidad Condicional y de
Bayes.
ACTIVIDADES A DESARROLLAR:
Actividades Iniciales. Participa dirigida y/o voluntariamente en la resolución de los ejercicios orientados en el encuentro anterior, consulta y da tu punto de vista
sobre el análisis y solución de los problemas. Discute el uso de la probabilidad condicional en la vida laboral de un ingeniero.
De Desarrollo: Resuelve y diseña ejercicios aplicando el teorema de Bayes y la teoría de condicionalidad. Finales: (Orientaciones para el trabajo independiente)
Resuelve los ejercicios 2.7 - 2.10
Lee la documentación referida a Variables Aleatorias. Recuerda que la puntualidad es valorada.
Bibliografía Recomendada:
Texto Anexo Encuentro V y Bibliografía orientada desde
el primer encuentro.
RESULTADOS ESPERADOS:
Apropiación de la probabilidad condicionada y de Bayes para el
análisis y resolución de problemas ingenieriles.
![Page 12: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/12.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 12
ENCUENTRO 6. OBJETIVOS PARTICULARES
Utilizados los conceptos de valor esperado y varianza de una variable aleatoria en la resolución de ejercicios de la carrera.
Contenidos a desarrollar:
Variable Aleatoria: Definición y ejemplos. Variables Aleatorias Discretas y Continuas. Función de probabilidad y función de densidad de probabilidad. Funciones de distribución acumulada. Propiedades. Valor Esperado de una variable aleatoria. Propiedades de los valores esperados. Varianza y desviación estándar de una variable aleatoria. Propiedades de la varianza. Desigualdad de Markov y Teorema de Chebyshev. Primer Parcial
Recursos y Materiales:
Material de estudio,
conferencia con
diapositivas y Examen
escrito.
Tiempo Mínimo Necesario:
Presencial Extra Clase
4 5
ORIENTACIONES GENERALES
Lee la documentación referente a variables aleatorias continuas y discretas. Ten a disposición tu calculadora para solucionar
ejercicios.
ACTIVIDADES A DESARROLLAR:
Actividades Iniciales.
Participa en la resolución de los ejercicios orientados en el encuentro anterior y consulta dudas sobre todo da tu punto de vista sobre el
análisis y solución.
Construye ejemplos de variables aleatorias discretas y continuas y comprende su significado.
De Desarrollo:
Realiza ejercicios usando los conceptos de media y esperanza de una variable aleatoria.
![Page 13: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/13.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 13
Resuelve el primer parcial escrito.
Finales: (Orientaciones para el trabajo independiente)
Resolver los ejercicios 3.1 y 3.2
Lee la documentación referente a las distribuciones. Recuerda que la puntualidad es valorada.
Bibliografía Recomendada:
Texto Anexo Encuentro VI y Bibliografía orientada desde
el primer encuentro.
RESULTADOS ESPERADOS:
Aplica el concepto de variable aleatoria al quehacer ingenieril.
ENCUENTRO 7. OBJETIVOS PARTICULARES
Resuelto ejercicios profesionales utilizando las distribuciones continuas: Normal y la Distribución “t” de Student.
Contenidos a desarrollar:
Distribuciones Funciones de probabilidad.
Distribuciones continuas: Normal, t-Student. Uso de
tablas.
Recursos y Materiales:
Tablas de distribuciones.
Presentación en diapositivas.
Centro de cómputos
Tiempo Mínimo Necesario:
Presencial Extra Clase
4 5
![Page 14: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/14.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 14
ORIENTACIONES GENERALES
Lee la teoría sobre distribuciones continuas. Ten a disposición tu calculadora para la solución de ejercicios en el aula.
ACTIVIDADES A DESARROLLAR:
Actividades Iniciales.
Participa en la resolución de los ejercicios orientados en el encuentro anterior y colabora para la resolución del parcial, consulta dudas y
sobre todo da tu punto de vista sobre el análisis y resolución de los mismos.
Relaciona los histogramas que se han realizado con ayuda de las tablas de distribución frecuencias, con las formas de las
distribuciones de probabilidad.
De Desarrollo:
Discute la teoría y luego se resuelve los ejercicios de probabilidades usando las distribuciones continuas.
Finales: (Orientaciones para el trabajo independiente)
Resuelve los ejercicios 3.7- 3.9. Recuerda que la puntualidad es valorada.
Lee la documentación relacionada a las distribuciones de Pearson, “F” de Fisher, Binomial y Poisson.
Bibliografía Recomendada: Texto Anexo Encuentro VII y
Bibliografía orientada desde el primer encuentro. Material
de la presentación.
RESULTADOS ESPERADOS: Identificación de las distribuciones Normal
y “t” de Student en los datos recolectados para la solución de
problemas.
![Page 15: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/15.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 15
ENCUENTRO 8. OBJETIVOS PARTICULARES
Apropiado el uso de las distribuciones “t” de Student y “F” de Fisher.
Resueltos ejercicios profesionales utilizando las distribuciones discretas, binomial y Poisson
Contenidos a desarrollar:
Distribuciones continuas: ji-cuadrado y F de Fisher
Diseño con ejercicios con distribuciones t-Student,
ji-cuadrado F Fisher. Presentación de cómo se hace
el trabajo de curso
Distribuciones discretas, binomial y Poisson
Recursos y Materiales:
Medios del aula y Presentación
en diapositivas.
Tiempo Mínimo Necesario:
Presencial Extra Clase
4 5
ORIENTACIONES GENERALES
Lee la teoría sobre las distribuciones discretas t-Student, ji-cuadrado, “F” Fisher, Binomial y Poisson
ACTIVIDADES A DESARROLLAR:
Actividades Iniciales.
Los ejercicios orientados durante el encuentro anterior deben resolverse con tu participación, ésta debe ser orientada principalmente a
tus compañeros. Deberás pasar a la pizarra para que quede registro de tu participación.
Se presentará las distribuciones continuas F y ji-cuadrada y las discretas Binomial y Poisson
De Desarrollo:
Aplica la teoría para resolver ejercicios de probabilidades usando las distribuciones discretas.
![Page 16: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/16.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 16
Finales: (Orientaciones para el trabajo independiente)
Resolver los ejercicios 3.10-3.17
Lee la documentación correspondiente a la Estimación por Intervalos de Confianza. Recuerda que la puntualidad es valorada.
Bibliografía Recomendada: Texto Anexo Encuentro VIII y
documentación presente tanto en el Blog Docente como
en la bibliografía recomendada y existente en Biblioteca.
RESULTADOS ESPERADOS: Capacidad para utilizar distribuciones
discretas y continuas en resolución y modelación de problemas
propias de la carrera.
ENCUENTRO 9. OBJETIVOS PARTICULARES
Diferenciados los grupos de una población utilizando intervalos de confianza
Contenidos a desarrollar:
Estimación y estimadores. Estimadores insesgados.
Estimación Puntual.
Estimación por intervalos. Nivel de confianza. Intervalos de confianza para la media con varianza conocida y con varianza desconocida. Estimación para la diferencia de medias. Intervalos de confianza para la varianza de una población con distribución normal. Estimación para el cociente de varianzas.
Recursos y Materiales:
Documento de lectura.
Presentación en
diapositivas.
Laboratorio de cómputos.
Tiempo Mínimo Necesario:
Presencial Extra Clase
4 4
ORIENTACIONES GENERALES
Lee previamente la documentación de estimadores puntuales y por intervalos y visualiza la presentación en el Blog Docente.
![Page 17: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/17.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 17
ACTIVIDADES A DESARROLLAR:
Actividades Iniciales.
Participa de manera activa en resolución de ejercicios orientados en la clase anterior. Discute las posibles diferencias y verifica las
respuestas con ayuda tanto de tu docente como de tus compañeros manteniendo el orden y la disciplina.
Discute la importancia de usar estimadores por intervalos.
De Desarrollo:
Construye estimadores por intervalo usando distribuciones conocidas.
Finales: (Orientaciones para el trabajo independiente)
Resolver el ejercicio 4.1. Leer Documentación referente a Pruebas de Hipótesis.
Hacer primeras orientaciones del informe final. Recuerda que la puntualidad es valorada.
Bibliografía Recomendada: Texto Anexo Encuentro IX y
documentación del Blog docente, así como Bibliografía
existente en Biblioteca recomendada en un inicio.
RESULTADOS ESPERADOS: Capacidad para utilizar intervalos de
confianza y predecir valores.
ENCUENTRO 10. OBJETIVOS PARTICULARES
Resueltas pruebas de hipótesis usando herramientas estadísticas.
Contenidos a desarrollar:
Prueba de Hipótesis. Introducción. Hipótesis Nula y Alternativa. Estadístico de
Recursos y Materiales:
Presentación en diapositivas.
Tiempo Mínimo Necesario:
Presencial Extra Clase
![Page 18: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/18.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 18
prueba. Región de aceptación y rechazo. Tipos de Errores. Prueba de una y dos medias. Pruebas con Varianzas, Independencia, Homogeneidad.
Documentación específica. 4 5
ORIENTACIONES GENERALES
Lee con anticipación la teoría sobre pruebas de hipótesis. Visita el Blog docente y analiza la presentación a discutir.
ACTIVIDADES A DESARROLLAR:
Actividades Iniciales. Participa en la resolución del ejercicio orientado en el encuentro anterior y comparte con tus compañeros y docente los ejemplos donde
en tu carrera sea importante la aplicación de los intervalos de confianza.
Discute el uso y características de las pruebas de hipótesis.
De Desarrollo: Resuelve ejercicios sobre pruebas de hipótesis usando pruebas “t”.
Finales: (Orientaciones para el trabajo independiente)
Resuelve el ejercicio 4.2.
Recuerda presentarte de forma adecuada para la defensa del informe final para el próximo encuentro.
Realizar informe final del curso.
Bibliografía Recomendada: Texto Anexo Encuentro X y
documentación procedente del Blog Docente así como
Bibliografía relacionada.
RESULTADOS ESPERADOS: Apropiación de las Pruebas de Hipótesis
como herramienta de investigación para dar respuestas a diferentes
interrogantes de interés.
![Page 19: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/19.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 19
ENCUENTRO 11. OBJETIVOS PARTICULARES
Analizado usando estadística, una encuesta de tipo cerrada.
Redactado un informe final de investigación Contenidos a desarrollar:
Repaso sobre Pruebas de Hipótesis.
Escritura y defensa de un informe final de
estadística.
Recursos y Materiales:
Proyector y PC.
Tiempo Mínimo Necesario:
Presencial Extra Clase
4
ORIENTACIONES GENERALES
Revisa los detalles del informe con una extensión de 5-10 páginas y una presentación en PPT de 10-15 diapositivas. Se evaluará 50
% el documento, 25 % la presentación y 25 % capacidad de respuestas. Los equipos no podrán ser mayores a 4 estudiantes.
ACTIVIDADES A DESARROLLAR:
Actividades Iniciales. Revisión de ejercicio orientado en la clase anterior con tu participación.
Participa del sorteo para el orden de presentación del informe por equipos.
De Desarrollo: Presentación no mayor a 15 minutos por equipo, donde participarán todos los miembros.
Finales: Retroalimentación sobre las exposiciones.
Valoración de tu desempeño por parte de los miembros de tu equipo, del docente y demás compañeros.
Bibliografía Recomendada:
Texto Anexo Correspondiente al Encuentro XI
RESULTADOS ESPERADOS: Desarrolladas las capacidades de
presentar un informe final con datos estadísticos así como la
presentación en público del mismo aplicando todas las competencias
adquiridas en la Asignatura.
![Page 20: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/20.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 20
ANEXOS
Encuentro I
Variable: es una característica observable de un objeto y que varía. Las variables se pueden clasificar de diferentes
maneras, un enfoque es reconocer dos grandes grupos de variables las Cualitativas y
Cuantitativas.
Variables Cualitativas, son aquellas que se ordenan en categorías debido a su
carácter subjetivo y absoluto, pueden ser de dos tipos “nominales”, u “ordinales”. En
las variables nominales los valores no pueden ser sometidos a un criterio de orden o
importancia como por ejemplo “el sexo de una persona” o “el país de origen”. Las
variables ordinales pueden tomar distintos valores ordenados siguiendo una
escala establecida, aunque no es necesario que el intervalo entre mediciones sea
uniforme, por ejemplo: leve, moderado, grave.
Variables Cuantitativas, son las que sus características están expresadas en valores numéricos, éstas asumen
cualquier valor y pueden variar en cualquier cantidad, sobre una escala aritmética e infinita y pueden subdividirse en dos
tipos “continuas o medibles” y “discretas o contables”.
Las variables continuas pueden adquirir cualquier valor dentro de un intervalo especificado de valores, permite siempre
que se encuentre un valor nuevo entre dos valores previos. El rendimiento de un lote de fríjol se mide en qq/mz es una
variable continua, se mide o pesa.
![Page 21: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/21.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 21
Ejercicio 1.1: Construya variables relacionadas con su carrera, 5 nominales, 5 ordinales, 5 continuas y 5 ordinales.
Ejercicio 1.2 Clasifique las siguientes variables.
Peso de un estudiante.
Diámetro de una casa.
Color de ojos.
Tipo de techo.
Vida útil de un monitor
# de ladrillos de una pared.
Belleza de una flor.
Temperatura semanal.
Largo de peces de un estanque.
Diámetro de un tornillo
El procedimiento de análisis sugerido se
esquematiza en la figura siguiente:
Ejercicio 1.3: entre los participantes de la clases tomar datos de 15 variables al menos por ejemplo: Edad, Sexo, Procedencia, etc. Y luego ordénelos en forma de matriz de datos, recodifique la información cualitativa en numérica. Para crear una base de datos hay que recordar que se está obteniendo una matriz de datos donde en la primera fila se tiene el nombre abreviado de la variable y en el resto de las filas los datos para cada encuesta o individuo en estudio. Las variables cualitativas se deben recodificar, veamos el siguiente ejemplo hipotético de 8 encuestas:
Esta matriz se codifica así: la variable “Sexo”: 1= varón, 2 = mujer. Para la variable “comunidad” hay 4 tipos diferentes donde: 1= Estelí, 2= Condega, 3= Pueblo Nuevo y 4= Limay y para “Labor realizado”: 1= en otra finca, 2= en la cuidad y 3= en la propia finca. De esta manera se transforma en datos numéricos una información descriptiva, estos números permiten luego hacer estadística.
Encuesta Sexo Edad Ingresos semanales C$ Comunidad Labor realizada
1 1 31 1,394 2 3
2 1 35 1,311 4 2
3 1 43 1,300 2 3
4 1 28 1,304 3 1
5 2 45 1,310 1 3
6 2 36 1,443 2 2
7 2 21 1,536 2 3
8 2 32 1,823 1 3
![Page 22: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/22.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 22
Edad
908580757065605550454035302520151050
Fre
cuen
cia
de
pers
ona
s
40
30
20
10
0
Tabla para determinar el número de clases de una TDF
Número datos Número de clases
30-50 5-7
51-100 6-10
101-250 7-12
+250 10-20
Ejercicio 1.4: Intente codificar numéricamente las respuestas que se generan a partir de la encuesta de caracterización
socioeconómica, que a continuación se detalla, discuta las posibles respuestas, diga si las preguntas están bien
formuladas, sugiera si alguna de ellas está de más y que preguntas propone para completar la información.
Histograma de Frecuencias Absolutas, de la edad, de una muestra de personas de una comunidad rural del Departamento de Estelí. 2008
Diagrama de Pastel o Sectores de educación, de una muestra de 598 personas de origen rural
19%
15%
21%
45%
otros
ninguno
secundaria
primaria
![Page 23: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/23.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 23
Hoja de Encuesta Número de ficha___________
Fecha: ____________ Primer Apellido: ___________________________ Segundo Apellido: ________________________________
Nombres:____________________________________ Año: ______________
Dirección: ______________________________Estado Civil: ______________
Número de personas que habitan la vivienda: __________________________
Nivel de estudio de ellos:________________ Edad de cada una de ellos: ____________________ Profesión: __________________
Ejercicio 1.5:
Defina variables para caracterizar a los estudiantes del curso con el objetivo de determinar posibles causas que
tengan influencia en el rendimiento académico del grupo.
Cree una base de datos de al menos 25 individuos con los compañeros de clase.
Encuentro II
Ejemplo con Datos de ingresos de 24 familias. Variable: Ingresos semanales en C$ por familia, n = 24 datos.
1,450 1,443 1,536 1,394 1,623 1,650
1,480 1,355 1,350 1,430 1,520 1,550
1,425 1,360 1,430 1,450 1,680 1,540
1,304 1,260 1,328 1,304 1,360 1,600
![Page 24: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/24.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 24
Secuencia de actividades Se calcula el Rango de los datos, valor mayor menos valor menor: 1680- 1,260 = 420 C$.
Ancho de clase: El rango se divide en cuatro, 420/4= 105 C$, se ajusta a 100 C$ y de esta manera el número de
clases queda en cinco.
Se construye los límites inferiores y superiores de cada clase como intervalos semiabiertos,
Luego se cuentan las frecuencias por clase, esto es la Frecuencia Absoluta
Se calcula la Frecuencia Relativa (Frecuencia Absoluta / n)
Se hace Frecuencia Acumulada. que es la suma de las frecuencias absolutas. También se pueden hacer las
frecuencias expresadas en porcentajes. TABLA DE DISTRIBUCIÓN DE FRECUENCIAS, TDF.
Clase Límite Inferior Igual a
Lím. Superior Menor a
Marca de clase Frecuencia Absoluta
Frecuencia Relativa
Frecuencia Acumulada
1 1,200 <1,300 1,250 1 0.04 1
2 1,300 <1,400 1,350 8 0.33 9
3 1,400 <1,500 1,450 7 0.29 16
4 1,500 <1,600 1,550 4 0.17 20
5 1,600 <1,700 1,650 4 0.17 24
Total 24 1.00
Una manera de representar una distribución de Frecuencias es:
1. Por medio de un gráfico de Barras con variables nominales.
2. Con un Histograma con variables continuas.
3. Un polígono de Frecuencias cuando se quieren mostrar las frecuencias absolutas.
4. Con un gráfico de Pastel cuando se tienen porcentajes o proporciones.
![Page 25: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/25.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 25
Ejercicio 1.6 Realizar una tabla de frecuencias con una variable discreta (contable) y una variable continua (medible) de
la matriz generada con los datos obtenidos en clase. Con dos variables cualitativas construye una tabla de contingencia.
Ejercicio 1.7. Realizar un gráfico de barras, histograma y un gráfico de Pastel a partir de los datos recolectados en clase.
Encuentro III
Media Aritmética para Datos Agrupados:
Donde “f” es la frecuencia de la clase y “x” el punto medio de cada intervalo (marca de clase)
Media Aritmética para Datos No Agrupados:
Desvío Estándar Muestral para Datos no Agrupados:
Desvío Estándar Muestral para Datos Agrupados:
Rango= Val. Máx – Val. Mín.
Mediana:
Reglas para calcular la mediana Ordenar las mediciones de menor a mayor o viceversa.
Si “n” es impar, la mediana “m” es la medición con rango “(n + 1) / 2” Esto es la posición del valor central.
Si “n” es par, la mediana “m” es el valor de “x” que se encuentra a la mitad, entre la medición con rango “n / 2” y la medición
con rango “(n /2)+1”. Esto es, sumatoria de los dos valores centrales entre dos.
Ejercicio 1.8: Tomando como fuente de datos las variables continuas recolectadas a partir de los datos que se generaron en clase debes construir a partir de variables no trabajadas previamente:
Medidas de tendencia central: medias, modas, medianas.
Medidas de dispersión: desviación estándar y rango.
![Page 26: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/26.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 26
Distribución de frecuencias.
Espacios: x 2 “S” y determinar cuántos datos entran en este intervalo.
Gráficos de barras, histogramas y gráficos de pastel.
Ejercicio 1.9: Se tiene los datos de 30 años de precipitaciones de San Ramón, Matagalpa. Calcule los datos promedios y el coeficiente de variación de los 30 años y de forma quinquenal (cada 5 años). Haga una tabla de los valores máximos y mínimos
quinquenales. Comente si observa alguna tendencia de variación de lluvias.
Año mm Año mm Año mm
1970 1793 1980 2373 1990 1583
1971 1610 1981 1854 1991 1302
1972 1126 1982 1470 1992 1651
1973 1647 1983 1185 1993 2250
1974 1344 1984 1522 1994 1361
1975 1820 1985 1154 1995 2072
1976 974 1986 1383 1996 1869
1977 1248 1987 1335 1997 1499
1978 1530 1988 2266 1998 2980
1979 1164 1989 1038 1999 2175
![Page 27: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/27.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 27
Encuentro IV
Probabilidades: P(A) = # casos favorables A / # casos Totales de Ω
Propiedades de la Probabilidad 0 P(A) 1
El evento A es más probable que B P(A)
P(B)
Un Evento cierto, que seguramente ocurre, tiene
probabilidad 1.
Un Evento imposible, que nunca ocurrirá, tiene
probabilidad 0.
Tiene dos reglas básicas que la estructuran: la
regla del producto y la regla de la suma.
Regla del Producto: Si dos evento “A” y “B” son independientes si “A” no
influye de ninguna manera en “B” y viceversa, entonces:
P(A y B) = P (AB) = P(A) x P (B)=
Regla de la Suma: Para que dos eventos “A” y “B” se
puedan sumar directamente, estos deben ser
incompatibles, es decir ellos no pueden ocurrir al mismo
tiempo .
P(A ó B) =
Si los eventos no son incompatibles:
Combinaciones:
Permutaciones:
![Page 28: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/28.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 28
Ejercicio 2.1: Estime la probabilidad que al elegir por sorteo dos estudiantes del grupo, ambos sean varones. Se supone
que la misma persona elegida en el primer sorteo puede ser elegida en el segundo.
Determinar también cuales eventos forman “ ”es este caso. Se considera que los sucesos son independientes:
P(A) x P (B) es igual ,
Ejercicio 2.2. En la matricula de primer año de la universidad, 150 estudiantes son originarios del departamento de
Estelí, 60 estudiantes del departamento de Nueva Segovia y 100 estudiantes del resto del país. ¿Cuál es la probabilidad
que un estudiante tomado al azar no sea del departamento de Estelí?
Ejercicio 2.3. Si la probabilidad anual de que en una ciudad ocurra un movimiento telúrico mayor de 5 grados Ritcher es
del 0.01 y la probabilidad que se inunde por lluvias es del 0.02 anual. Cuál es la probabilidad que en un mismo año la
ciudad sufra un terremoto y una inundación.
Ejercicio 2.4. De entre 9 personas debemos formar un equipo técnico de 3 individuos. ¿Cuántas diferentes formas
existen para formar el equipo?
Ejercicio 2.5. Una persona tiene 4 CD diferentes de música clásica y 3 CD de música moderna, determine de cuantas
maneras diferentes:
Puede acomodar solo los CD de música clásica en un estante.
Si acomoda todos los CD a la vez.
Ejercicio 2.6. Una persona olvido su clave de acceso a una caja fuerte, la clave está formada por 3 números, determina cuantas
formas diferentes puede tener la clave si no se permite repetir los números.
![Page 29: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/29.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 29
Encuentro V
Probabilidad condicionada:
Si p (B) ≠ 0 De lo anterior se deduce que:
Dos eventos A y B son independientes si y sólo si: P (A\B) = P (A) y P (B\A) = P (B) que es lo mismo: = P(A) x P (B)
Ejemplo: Se conoce que los estudiantes de la UNI tienen las siguientes preferencias en el consumo de gaseosas:
Consumo de Gaseosas por semana
Varones Mujeres Total
No consume 30 10 40
1-5 veces 50 25 75
Más de 5 veces 20 15 35
Total 100 50 150
Si de un grupo de jóvenes del bar de la universidad, se selecciona al azar un estudiante varón ¿Cuál es la
probabilidad que ese que ese joven halla consumido más de 5 gaseosas por semana? En este problema ya no es
necesarios conocer el número total de estudiantes, porque al seleccionar a un individuo del sexo masculino, los
individuos del sexo femenino no son tomados en cuenta. Entonces se puede definir la probabilidad deseada como
![Page 30: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/30.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 30
¿Qué probabilidad existe de que un individuo beba más de 5 gaseosas a la semana dado que el individuo
seleccionado sea varón? Esta es una probabilidad condicional y se resuelve de la siguiente manera:
o P(C+5\Sv) = = (20/150) / (100/150) = 20/100= 0.2, donde “C” es por consumo y “S” por sexo.
Teorema de Bayes. Regla de la probabilidad Total
Entonces se llamara a P (B) cómo “probabilidad total”, la cual se
puede interpretar como una media ponderada de los diferentes .
P (B) también se puede expresar cómo la sumatoria de las probabilidades condicionadas por la probabilidad del
evento A correspondiente.
Planteo del Teorema de Bayes
Conociendo que ha ocurrido el suceso B, la fórmula del teorema de Bayes nos indica cómo modifica esta información las
probabilidades de los sucesos Ai . Se resalta que al disponer información de B se cambian las probabilidades de Ai. El
teorema se presenta algebraicamente de la siguiente manera:
Ejercicio resuelto usando el teorema de Bayes: Tres máquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las piezas producidas en una
fábrica. Los porcentajes de producción defectuosa de estas máquinas son del 3%, 4% y 5%.
![Page 31: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/31.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 31
a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. (probabilidad Total)
b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la
máquina B.
c. ¿Qué máquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?
Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La información del problema puede expresarse en el
diagrama de árbol adjunto.
a. Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la propiedad de la probabilidad
total,
P (Total) =P(D) = P(A) · P(D\A) + P(B) · P(D\B) + P(C) · P(D\C) = 0.45 x 0.03 + 0.30 x 0.04 + 0.25 x 0.05 = 0.038
Resolución por diagrama de árbol. Un diagrama de árbol es una representación gráfica de un experimento que consta
de pasos, donde cada uno de los pasos tiene un número finito de maneras de ser llevado a cabo.
Debemos calcular P(B\D). Por el teorema de Bayes,
b. Calculamos P(A\D) y P(C\D), comparándolas con el valor de
P(B\D) ya calculado. Aplicando el teorema de Bayes, obtenemos:
Prob. Máquina Prob. Tipo de producción
0.45 A 0.03 D
0.97 N
0.30 B 0.04 D
0.96 N
0.25 C 0.05 D
0.095 N
![Page 32: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/32.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 32
La máquina con mayor probabilidad de haber producido la pieza defectuosa es la A, sin embargo las tres máquinas
tienen probabilidades semejantes de producir piezas defectuosas Ejercicio 2.7 Si se tiene una escuela de 200 alumnos distribuidos en tres aulas: A, B y C. Por sexo: mujer, y varón; como
sigue:
Aula/ Sexo Varón Mujer A 20 20
B 30 30
C 56 44
Total 106 94
¿Cuál es la probabilidad que un estudiante, sin importar el sexo, sea del aula B?
¿Cuál es la probabilidad que un estudiante sea del aula A, si el estudiante es mujer?
Ejercicio 2.8 En un aula hay 6 estudiantes realizando un examen, dos son mujeres y cuatro son varones. ¿Cuál es la probabilidad que
finalice una mujer de segunda dado que el primero en finalizar fue un hombre?
Si la solución es: ¿Explicar cómo se construyeron los valores 8/30 y 4/6?
![Page 33: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/33.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 33
Ejercicio 2.9 El reporte meteorológico ha anunciado tres posibilidades para el día de mañana: que llueva: probabilidad
del 50%, que salga el sol: probabilidad del 30% y que esté nublado: probabilidad del 20%.
Según estos posibles estados meteorológicos y datos históricos de comportamiento vehicular, la posibilidad de que
ocurra un accidente es la siguiente: si llueve: probabilidad de accidente del 20%, si sale el sol: probabilidad de accidente
del 10% y si está nublado: probabilidad de accidente del 5%.
Si se sabe que ocurrió un accidente,
¿Cuál es la probabilidad de que haya llovido?
¿Cuál es la probabilidad de que haya salido el sol?
¿Cuál es la probabilidad de que haya estado nublado?
Ejercicio 2.10 Cierto artículo es manufacturado por tres fábricas: F1, F2 y F3. Se sabe que la primera produce el doble
de artículos que la segunda y que ésta (F2) y la tercera producen el mismo número de artículos (durante un período de
tiempo especificado, el mismo para las tres). Se sabe también que el 1.5% de los artículos producidos por las dos
primeras fábricas es defectuoso, mientras que en la tercera los es el 3.5%.
Se colocan juntos todos los artículos producidos por las tres fábricas y se escoge uno al azar.
¿Cuál es la Probabilidad de que un artículo sea Defectuoso?
¿Cuál Fábrica tiene la mayor probabilidad de haber producido el artículo Defectuosos?
![Page 34: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/34.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 34
Encuentro VI
Variables Aleatorias
Si se define la variable aleatoria. X: número varones nacidos en 4 partos, la cual puede tomar los valores {0, 1, 2, 3, 4}.
Se buscan todos sucesos de la muestra que dan lugar a cada valor de la variable y a ese valor se le asigna la
probabilidad del suceso correspondiente.
A esta función se le denomina función densidad de probabilidad
(fdp) de una variable discreta.
Distribución acumulativa o función de distribución. Función que acumula probabilidades asociadas a una variable
aleatoria. Su notación es F(x) = p (X x). Para el ejemplo anterior, F (X) es:
X fx Fx
0 1/16 1/16
1 4/16 5/16
2 6/16 11/16
3 4/16 15/16
4 1/16 16/16
En variables continuas F (X) = P (X < a) = a
dxxf
)(
X Sucesos px
0 {ññññ} 1/16
1 {ñññv, ññvñ, ñvññ, vñññ} 4/16
2 {ññvv, ñvñv, ñvvñ, vñvñ, vvññ, vññv} 6/16
3 {ñvvv, vñvv, vvñv, vvvñ} 4/16
4 {vvvv} 1/16
![Page 35: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/35.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 35
Valor esperado o esperanza matemática o media
)()( xxfxEx Caso discreto
dxxxfxEx )()( Caso continuo
Si X es una variable aleatoria cualquier función de ella, h(x), es también una variable aleatoria, en consecuencia también
se define este parámetro para una función de variable aleatoria.
)()()( xfxhxhEx Caso discreto
dxxfxhxhEx )()()( Caso continuo
Ejemplo: Se tira un dado. Se define como variable aleatoria el número que sale ¿Cuál es su media?
La variable “X” puede tomar los valores 1, 2,..., 6 y para todos ellos f(x) = 1/6. En consecuencia la media es
5.36
16....
6
12
6
11)(
6
1
xxf
xx
Obsérvese que es un número teórico que la variable aleatoria discreta no puede alcanzar.
Si se define ahora una nueva función sobre “X”: h(x)= C$ a pagar, qué se define de la siguiente manera: si X sale 1 ó 2
h(x) 90 C$, si X sale 3 h(x) 450 C$ y si X sale 4, 5 ó 6 h(x) es 0 C$.
¿Cuál es el valor medio de esta nueva función?
1050006
1450
6
190
6
190)()(
6
1
xfxhx
x
¿Qué significa 105? es el valor promedio luego de jugar mucho tiempo, si se juega un número grande de
veces la ganancia final es como si en cada jugada se hubiera ganado 105 C$. Si la apuesta costara menos de
eso el juego sería ventajoso para el jugador, si costara más, sería para la banca.
X h(x) 1 90
2 90
3 450
4 0
5 0
6 0
![Page 36: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/36.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 36
Varianza
Es una medida de variabilidad de la variable aleatoria y se define como: 22xx xE
Aunque para el cálculo se suele usar esta otra fórmula equivalente: 222 )( xx xE
¿Qué mide la varianza? Mide la dispersión de la variable aleatoria alrededor de la media.
Ejemplo de cálculo de varianza:
Si ocurren tres nacimientos de bebes, la esperanza y la varianza de la variable aleatoria X “varones nacidos” es:
E (X) = 0 x 1/8 + 1 x 3/8 + 2 x 3/8 + 3 x 1/8 = 3/2= 1,5
222 )( xx xE = 02 x 1/8 + 12 x 3/8 + 22 x 3/8 + 32 x 1/8 – (3/2)2 = ¾
866.04/32
xx
El Desvío Estándar y el Teorema de Chebyshev Según el teorema de Chebyshev, y sin importar el tipo de distribución de los datos, se cumple que:
El intervalo x 2 “S” contendrá al menos ¾ de los datos.
El intervalo x 3 “S” contendrá al menos 8/9 de los datos.
Ejercicio 3.1: En los casino el juego de ruleta mesa tiene 38 números, esto incluye el número 0 y doble 00. Si usted
apuesta una moneda a un número y gana, el casino le paga 36 monedas. ¿Este es un juego justo? Justificar la
respuesta.
Ejercicio 3.2 Una fábrica produce ventanas cuya ancho tiene una media de 250 cm y una desviación estándar de 1.80
cm ¿Construya un intervalo donde se encuentre al menos el 8/9 de los datos?
![Page 37: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/37.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 37
5.00 13.00 21.00 29.00 37.00
Variable
0.00
0.03
0.06
0.09
0.13
De
nsid
ad
Función de densidad
Normal(21,10.24): p(evento)=0.0144
-3.00 -2.00 -1.00 0.00 1.00 2.00 3.00
Variable
0.00
0.10
0.20
0.30
0.40
De
nsi
da
d
Función de densidad distribución normal tipificada
Normal(0,1): p(evento)=0.9500
Encuentro VII
Distribución Normal Si un Distribución de datos tiene aproximadamente el perfil o forma de campana se cumple que:
El intervalo µ σ contendrá aproximadamente el 68 % de los datos.
El intervalo µ 2 σ contendrá aproximadamente el 95 % de los datos.
El intervalo µ 3 σ contendrá aproximadamente casi la totalidad de los datos, 99.74
Distribución Normal Tipificada ( , ) N(0,1)
A continuación se observa un gráfico de una distribución normal tipificada (0,1)
onde está sombreado un intervalo de 1.96 desvió estándar.
Ejercicio 3.3. Si la media de edad de los alumnos de la universidad
es de 21 años, con un desvío estándar de 3.2 años. ¿Cuál es la probabilidad
que un estudiante tenga más de 28 años?
, se debe buscar la P (zi ≥ 2,1875) en una tabla
normal tipificada que resulta como 0.5 - 0.4854 (el valor de tabla) = 0.014.
Este problema se puede resolver gráficamente usando el programa
INFOSTAT, con el módulo aplicaciones didácticas.
El área sombreada es la respuesta, que un estudiante tenga más de 28 años y
tiene una probabilidad de 0,014.
![Page 38: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/38.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 38
Ejercicio 3.4 Una fábrica produce puertas cuya altura tiene una distribución normal con media de 250 cm y una desviación estándar de 2.60 cm ¿Cuál es la probabilidad que una puerta seleccionada de este grupo tenga una altura entre 244 y 255 cm? Ejercicio 3.5 Una población de niños en edad escolar tiene una media de 11.5 años y un desvío estándar de 3 años. ¿Cuál es la probabilidad de que un niño sea entre 8.5 y 14.5 años, más de 10, y menos de 12? Ejercicio 3.6 La media de notas de un grupo de estudiantes es 70 y el desvío estándar es 10. ¿Cuál es la probabilidad que un estudiante obtenga más de 80 puntos? ¿Cuál es la proporción de aplazados esperados (P<60 puntos)? Ejercicio 3.7 Se producen quesos con un diámetro es 35cm y se acepta una varianza de 0.1 cm2. Si por problemas de envase se rechaza productos con diámetros menores a 34.5cm y mayores a 35.5 ¿Cuál es la probabilidad de rechazo de la producción por problemas de envase? Ejercicio 3.8 Según la ruta crítica, el tiempo de finalización de un proyecto de construcción del laboratorio de Civil en la UNI-Norte es de 4 semanas y fue desarrollado por mano de obra privada a cargo del Sr. J. G. Martínez con una varianza de 0.5 semanas. Si la UNI-Norte quiere un nivel de certeza del 85%, ¿en cuántas semanas dirá el Sr. J. G. Martínez que terminará el proyecto? Buscar en la tabla Z la probabilidad de 0.85 y calcular los valores de X. Ejercicio 3.9 Una lote de 100 ventanas tiene un ancho promedio de 250 cm y una desviación estándar de 1.80 cm. Un comerciante está dispuesto a comprar una ventana si ésta tiene menos de 5 cm de diferencia con el ancho promedio. ¿Cuál es la probabilidad de que la ventana sea vendida? Resolver con el módulo didáctico de INFOSTAT.
Ejercicio 3.10 El Ministerio del Trabajo reporta que 20% de la fuerza de trabajo en un pueblo está desempleada. De una muestra de 14 trabajadores, calcule las siguientes probabilidades con la fórmula de la distribución binomial (n=14, p=0.2): Resuelva: 1. Tres están desempleados: P(x=3)= 2. Al menos un trabajador está desempleado: P(x ≥ 1) = 3. A lo más dos trabajadores están desempleados: P(x ≤ 2) = Ejercicio 3.11 Si el 20% de las piezas producidas por una máquina son defectuosas, ¿cuál es la probabilidad de que entre cuatro piezas elegidas al azar, a lo sumo 2 sean defectuosas? Ejercicio 3.12 Si de seis a siete de la tarde se admite que un número de teléfono de cada cinco está comunicando, ¿cuál es la probabilidad de que, cuando se marquen 10 números de teléfono elegidos al azar, sólo comuniquen dos?
![Page 39: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/39.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 39
0.00 3.81 7.62 11.44 15.25
Variable
0.00
0.06
0.12
0.18
0.24
De
nsi
da
d
Función de densidad de una Distribución Chi cuadrada
0.00 4.14 8.29 12.43 16.57
Variable
0.0
0.2
0.3
0.5
0.6
De
nsi
da
d
Función de densidad de una distribución "F"
Encuentro VIII
La distribución X2 de Pearson
La distribución X2, X es la minúscula de la letra griega ji, se genera a partir
de “n” variables aleatorias independientes normales con media “0” y
varianza “1”. Si realizamos la siguiente operación:
Este tipo de distribución se usa en pruebas de hipótesis sobre:
Distribuciones, por ejemplo para verificar si una distribución
observada se comporta como una distribución Normal.
Independencia, para verificar si dos variables nominales son
independientes o no.
La distribución “F” de Fisher. La distribución “F” de Fisher surge del cociente de dos distribuciones X2
independientes, con “n” y “m” grados de libertad respectivamente. Un valor
“F” se define matemáticamente de la siguiente manera:
Este tipo de distribución se usa mucho con pruebas de hipótesis de
medias, Análisis de Variancia, donde:
Hipótesis nula, las medias de los tratamientos pertenecen a una
mismo media poblacional
Hipótesis alternativa, al menos una media de los tratamientos evaluados no pertenecen a la misma media
poblacional
![Page 40: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/40.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 40
La distribución Binomial Un experimento Binomial tiene las siguientes características:
Las observaciones se clasifican en dos categorías, por ejemplo A = aceptable y D = defectuoso.
La proporción de elementos A y D en la población es constante y no se modifica, siendo en este caso “p” la
probabilidad de defectuosos y “q” la probabilidad de aceptables.
Las observaciones son independientes, es decir que la probabilidad de elemento defectuoso es siempre la misma
y no se modifica por cualquier combinación de elementos defectuosos o aceptables observados.
Ejemplos de este proceso son:
Observar cinco varones en 12 nacimientos.
Ganar 4 veces apostando a docena en diez tiradas sucesivas de una ruleta
La aparición de 10 plantas planta enferma en 100 plantas de cultivo.
Tener 5 ladrillos defectuosos en un lote de 500 ladrillos.
Conociendo que:
“p” es la probabilidad de ocurrencia del evento A
“q” es la probabilidad de ocurrencia del evento B
Siendo q = 1-p. Por lo tanto la probabilidad de encontrar “x” elementos que cumplen el evento “A” luego de “n”
repeticiones del experimento, se define como P (x):
P (x) = siendo x = 0, 1, ..., n
Siendo las posibles combinaciones de ocurrencia de “x” en “n” experimentos y esto se resuelve de la siguiente
manera:
![Page 41: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/41.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 41
Una distribución binomial B(n, p) se parece a una normal tanto más cuanto mayor es el producto “n p”. Cuando “n p”
superan el valor 5, la aproximación es casi perfecta. En estas condiciones:
B(n, p) se aproxima a un distribución normal, ),( npqnpN
Ejemplo. Existe una empresa que produce vasos, y se sabe que históricamente el 2 % de estos salen fallados. Por otro
lado existe un comprador que tolera el 2 % de fallos, si el valor es mayor rechaza el lote completo que quiere comprar. Se
decide tomar una muestra de 100 vasos, ¿Cuál es la probabilidad de que el comprador acepte el lote?
Distribución de Poisson El límite de la distribución binomial donde la probabilidad de éxito es muy pequeña y n es grande se llama distribución de
probabilidades de Poisson.
Esta distribución permite construir probabilidades de una variable binomial, sólo conociendo el
valor de su promedio histórico, µ Donde µ es la media aritmética del número de ocurrencias en un intervalo específico de tiempo, es la constante
2.71828 y “X” es el número de ocurrencias. El número medio de éxitos, µ, se puede determinar en situaciones binomiales
por “n p”, donde “n” es el número de ensayos y p la probabilidad de éxito. La varianza de la distribución de Poisson
también es igual a “n p”.
![Page 42: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/42.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 42
Ejemplo: Se está haciendo un estudio para ampliar una terminal de taxis y se sabe que en las horas de la tarde de 6-10
PM el número medio de llegadas es 4.0 personas por hora. ¿Cuál es la probabilidad de 4 llegadas en una hora?
P (4) = (44) (e-4) / 4!= 0.1954.
Ejercicio 3.11 Si el 20% de las piezas producidas por una máquina son defectuosas, ¿cuál es la probabilidad de que
entre cuatro piezas elegidas al azar, a lo sumo 2 sean defectuosas?
Ejercicio 3.12 Si de seis a siete de la tarde se admite que un número de teléfono de cada cinco está comunicando, ¿cuál
es la probabilidad de que, cuando se marquen 10 números de teléfono elegidos al azar, sólo comuniquen dos?
Ejercicio 3.13 La producción de computadoras trae asociada una probabilidad de defecto del 1.5%, si se toma un lote o
muestra de 100 computadoras, obtener la probabilidad de que existan 4 computadoras con defectos.
Ejercicio 3.14 Se calcula que en la ciudad el 20% de las personas tienen afición a mirar TV de noche, si tomamos una
muestra de 150 personas al azar ¿Calcular la probabilidad de que 25 de ellos tengan el hábito de mirar TV de noche?
Ejercicio 3.15 El 6% de los registros contables de una empresa presentan algún problema, si un auditor toma una
muestra de 50 registros ¿Calcular probabilidad de que existan 5 registros con problemas?
Ejercicio 3.16 Si cada una de las 18 gallinas de un gallinero pone 0.5 huevos al día. Si se recogen los huevos cada 8
horas.
¿Cuál es el número medio de huevos que se recogen en cada visita? ¿Con qué probabilidad encontraremos x huevos
para x = 0,1, 2, 3? ¿Cuál es la probabilidad de que x ≥ 4?
Ejercicio 3.17 Como una forma de hacer control de calidad en una empresa comercializadora de puertas de madera, el
dueño exige que antes de salir de la fábrica cada puerta sea revisada en busca de imperfecciones en la superficie de
madera. El encargado de control de calidad encontró que el número medio de imperfecciones por puerta es 0,5. El dueño
decidió que todas las puertas con dos o más imperfecciones sean rechazadas y sean devueltas para su reparación.
a. ¿Cuál es la probabilidad de que al menos una puerta pase la inspección?
![Page 43: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/43.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 43
IC 95 % de = x 1.96 )/( ns IC 95 % de = x “t95”
)1/( ns
Encuentro IX
Estimación por Intervalos de Confianza. En estadística se llama estimación al conjunto de técnicas que permiten dar un valor aproximado de un parámetro (Ej.: , ) de una
población a partir de estadísticos, generados por los datos (Ej.: x , S, n).
La media poblacional, , se estima por un intervalo calculado a partir de “S” y x de muestras. El intervalo de confianza de con
un 95 de confianza, IC 95 %, es el más usado y para muestras de más de 30 datos se calcula como:
Para menos de 30 datos se usa:
Donde “t” es el valor dado por la distribución “t” de Student con “n-1” Grados de Libertad, para un 95 % se busca el valor del “t”
0.975, ya que esta es una prueba de dos colas. El IC 95 % nos dice que con un 95 % de confiabilidad en este intervalo encuentro la
media de la población, el cual desconozco. Para esto necesito conocer de la muestra los siguientes estadísticos: x , S y “n”.
Gráfico de Medias e Intervalos de Confianza de , “t95%”, desagregada por sexo, de la Edad de una población adulta. En este tipo de gráfico es interesante observar si los intervalos de confianza de las diferentes
medias tienen valores superpuestos, ya que si es así, al hacer una prueba de hipótesis lo más
probable que la respuesta sea de hipótesis nula, es decir las “medias superpuestos” pertenecen
a una misma media poblacional.
Ejercicio 4.1 Una fábrica produce puertas, una muestra de 50 de éstas arroja que tienen una
altura media de 250 cm y una desviación estándar de 2.60 cm. ¿Construir el intervalo de
confianza de la media poblacional?
Ejercicio 4.2 Buscar tres ejemplo vinculados a su carrera donde sea importante calcular intervalos de confianza.
![Page 44: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/44.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 44
Encuentro X
Generalidades de las pruebas de Hipótesis Una prueba de hipótesis es una pregunta relativa a una o varias poblaciones, que puede ser cierta o no y que se va a
responder a partir de los datos de muestrales. En las ingenierías las pruebas de hipótesis se suelen utilizar cuando se evalúan nuevas tecnologías, tomando cómo
referencias la tecnología tradicional
La hipótesis formulada con intención de rechazarla se llama hipótesis nula y se representa por H0. Rechazar H0 implica
aceptar una hipótesis alternativa (HA).
Cuando se acepta o se rechaza una hipótesis puede ocurrir que:
α= probabilidad de rechazar H0 siendo H0 cierta.
β = probabilidad de aceptar H0 siendo H0 falsa.
Los pasos necesarios para realizar un contraste relativo a un parámetro θ son:
1. Establecer la hipótesis nula en términos de igualdad H0: θ = θ0
2. Establecer la hipótesis alternativa, que puede hacerse de tres maneras, dependiendo del interés del investigador H0: θ ≠ θ0 ó θ > θ0 ó θ < θ0
En el primer caso se habla de contraste bilateral o de dos colas, utilizada generalmente con la distribución Normal o la “t” de Student. En los otros dos casos se tiene un contraste lateral derecho en el segundo caso, o izquierdo en el tercer caso, ambos son pruebas de una cola. Con la distribución X2 y la “F”, por ser distribuciones asimétricas positivas los contrastes son unilaterales por el lado derecho.
H0 cierta H0 falsa HA cierta
H0 rechazada Error tipo I (α) Decisión correcta
H0 no rechazada Decisión correcta Error tipo II (β )
![Page 45: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/45.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 45
3. Elegir un nivel de significación: nivel crítico para α generalmente del 5 % en las ingenierías. En ciencias sociales se suele aceptar un α del 10%.
4. Elegir un estadístico de contraste: Este estadístico de contraste es un estadístico cuya distribución es conocida en H0, que esté relacionado con θ y permite establecer, en base a dicha distribución, la región crítica: región en la que el estadístico calculado tiene una probabilidad menor que α. Obsérvese que, de esta manera, se está más seguro cuando se rechaza una hipótesis que cuando no. Por eso se fija como H0 lo que se quiere rechazar. Cuando no se rechaza, no se ha demostrado nada, simplemente no se ha podido rechazar. Por otro lado, la decisión se toma en base a la distribución de la muestra en H0. 5. Calcular el estadístico para una muestra aleatoria y compararlo con la región crítica. Si el estadístico tiene en valor absoluto, un valor menor al valor tabular de la distribución conocida correspondiente al α se acepta H0. Esto es equivalentemente calcular el "valor p" del estadístico (probabilidad de obtener ese valor, u otro más alejado de la
H0, si H0 fuera cierta) y compararlo con valor de . Este valor “p” es el valor de una integral y generalmente lo calculan los
programas estadísticos como el INFOSTAT o SPSS. Si el valor de es del el 5 % la regla de decisión para aceptar o rechazar una hipótesis en pruebas unilaterales es la siguiente:
Si el valor “p” calculado es > a 0.05 ocurre H0
Si el valor “p” calculado es ≤ a 0.05 ocurre HA
Prueba de hipótesis con pruebas “t” La media de una muestra pertenece a una población con media conocida Esta es una prueba que permite contrastar si una muestra de una variable difiere significativamente de una media poblacional dado o no. Generalmente esta media es histórica.
La hipótesis nula es H0: , La hipótesis alternativa es HA: El estadístico de contraste es el valor “t” calculado:
El valor “t” crítico se encuentra con n-1 grados de libertad.
![Page 46: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/46.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 46
Ejemplo: Históricamente la edad de los alumnos que entran a primer año de la Universidad es de 18 años. Se quiere saber si para el año que viene la edad de ingreso será la misma a la histórica, para estudiar esto se tomó una muestra de 36 estudiantes del último año de secundaria y se calculó la edad de ingreso a la universidad. En función de los datos observados surge la hipótesis de que la edad de los estudiantes es mayor que 18 años. La muestra de 36 sujetos dio los siguientes datos:
= 18.5 S=3.6 Se trata de un contraste sobre medias. La hipótesis nula (lo que queremos rechazar) es: H0: µ= 18. La hipótesis alternativa es: HA: µ> 18. Este un contraste lateral derecho.
Fijamos "a priori" el nivel de significación en α = 0,05 y la región crítica en este ejemplo t(35)0,05=1,70. Calculamos el valor de tc en la muestra
El valor “tc” de 0.82 no está en la región crítica (no es mayor que 1,70), por tanto no rechazamos H0, concluimos que la edad histórica de ingreso se mantiene.
Las medias de dos muestras o grupos pertenecen a una misma población. Esta es una prueba de hipótesis muy usada cuando se tienen dos grupos y se quiere saber si estos tienen una misma media poblacional.
La hipótesis nula es H0: µ1=µ2, la hipótesis alternativa es HA: µ1≠µ2 Hay diferentes tipos de prueba “t”, pero suponiendo varianzas iguales, el estadístico a calcular se hace:
Ejemplo. En un ensayo para evaluar la vida útil de dos productos. La variable medida es el tiempo de vida útil en años:
producto “T”, n = 35; x = 3,7 años de vida y s2 =13,9; producto “P” n = 40; x = 15,1 años y s2 = 12,8. ¿El producto “P” tiene igual vida útil que el producto “T”?
Se trata de un contraste sobre diferencias de medias
![Page 47: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/47.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 47
Como no conocemos como son las varianzas entre sí, el modelo nos obliga a verificar si la varianzas son iguales. Si las varianzas son iguales se sigue con la prueba “t” que se presenta, sino se debe hacer otra variante de prueba “t” de más difícil cálculo. Hipótesis de Variancias H0: σ2
T = σ2P, HA: σ2
T ≠ σ2P
El estadístico es de contraste es una prueba “F”= S2P / S2
T = 13.9 / 12.8= 1.09, como el valor “F” de tabla es 1.74, en consecuencia aceptamos la H0 y concluimos que las varianzas son iguales. Luego se hace la prueba de hipótesis de medias con el estadístico antes detallado.
Se concluye que se rechaza la H0 , ya que el valor “t” calculado es mayor que el valor de tabla con n1 + n2 – 2 , 35 + 40 -2 = 73 grados de libertad. Con estos grados de libertad y con un alfa del 5% bilateral (2.5 % de rechazo en cada extremo) el valor “t” es de 2.0, valor menor que 13.28. Concluimos que las medias de años de vida útil de los dos productos son distintas. Ejercicio 4.2 Se evaluó 2 tipos de abono, uno con base de pulpa de café, otro con base de abono de lombriz, La variable de producción fue grs. promedio del peso seco de las plántulas de café a los 6 meses de siembra por unidad experimental, el ensayo tuvo cuatro repeticiones. Tabla de Datos. Peso en onzas. Parte aérea plántula de café.
Tratamiento/ Repetición I II III IV Pulpa café 1.00 0.90 1.16 0.98
Lombrihumus 1.65 1.59 2.00 1.65
Realizar e Interpretar su prueba de hipótesis. Resolver con una prueba “t” para dos grupos que pertenecen a una misma población.
![Page 48: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/48.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 48
Encuentro XI
TRABAJO DE CURSO DE ESTADÍSTICA
COMPONENTES DEL INFORME FINAL 1. Definir un Problema que se pueda abordar con una encuesta El problema a abordar no deba ser muy complejo ni muy simple, tampoco se debe pretender resolver el problema solamente con el uso
de esta herramienta. Sin embargo la encuesta puede servir para conocer la opinión o conocimiento que tiene la gente sobre un tema
dado. Ejemplos de tipo de Problemas que se pueden abordar con una encuesta son: “El bajo rendimiento académico”, “La falta de
motivación con su carrera” “causas por la que ocurre la migración de los jóvenes a otros países”, estudio de mercado de un producto
que se quiere desarrollar como “desarrollo de un bebida local”, grado de satisfacción de los clientes de un servicio dado, como “el
servicio de televisión por cable”, etc.
En esta parte se puede hacer una revisión de bibliografía o de Internet, de los antecedentes que se conocen sobre el problema abordado
en este trabajo. También se deben incorporar las preguntas de investigación que se tuvieron que surgen al definir y acotar el problema.
2. Construir los Objetivos generales y específicos. El Objetivo general debe incluir los objetivos específicos y debe ser lo suficiente amplio. Los Objetivos específicos deben estar
orientados a los resultados que espero con el trabajo.
Ejemplo de un Objetivo General es:
”Describir causas que están relacionadas con el bajo rendimiento académico de los alumnos”.
De este objetivo general se pueden derivar los siguientes objetivos específicos:
“Definir variables asociadas a rendimiento académico”
“Realizar estadística descriptiva de las variables asociadas a rendimiento académico”
![Page 49: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/49.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 49
3. Organización de una matriz de información a partir de una encuesta. Se puede realizar una encuesta impersonal con preguntas cerradas es una manera de recolectar mucha información rápidamente
que luego se puede codificarla fácilmente, la debilidad de este instrumento es que no siempre la gente responde adecuadamente y
que las respuestas generadas se limitan a las opciones previamente definidas y la experiencia nos dice que la realidad es mucho
más rica que lo que creemos ocurre a priori. Para los que trabajan con entrevistas hay que saber que también la información que se
genera de las entrevistas puede luego tabularse numéricamente de la misma manera que una encuesta.
Al diseñar una encuesta esta debe ayudar a responder a las preguntas que genera la hipótesis del trabajo, un error común es hacer
una encuesta primero y luego que se han recolectado los datos, se intenta armar el modelo de la base de datos. Antes de tomar los
datos, ya se debe prever como las preguntas se transforman en variables y cómo se analizarán estadísticamente estas.
4. Análisis de los Datos El análisis de los datos se debe hacer en un programa estadístico como INFOSTAT. Se sugiere comenzar haciendo estadística
descriptiva univariada, de cada variable. De Las variables continuas se puede realizar estadística descriptiva como el promedio,
intervalo e confianza, mediana y desvío estándar, también gráficos como histogramas. De las variables nominales se puede hacer
frecuencias y gráficos de pasteles.
Luego pueden hacer gráficos bivariado, probabilidades, variables aleatorias y finalmente se debe hacer pruebas de hipótesis como la
pruebas “t” para comparar dos promedios.
5. Conclusiones y Recomendaciones El informe debe tener un acápite de conclusiones. En esta se deben resaltar las observaciones relevantes de su trabajo. Si considera
que es posible hacer recomendaciones de su trabajo, estas deben estar basadas en que se escribió en las conclusiones.
6. Bibliografía y Direcciones Electrónicas Consultadas. Se debe describir: autor, año, título del texto, editorial, país y número de páginas. De la bibliografía de los textos consultados y citados.
También se debe detallar si hay páginas Web citadas. Se sugieres usar normas APA, y usar de Word 2007 la ventana referencias-
bibliografía para hacer citas y referencias.
![Page 50: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/50.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 50
ÁR
EAS
BA
JO L
A C
UR
VA
NO
RM
AL
ESTÁ
ND
AR
, DES
DE
0 A
z
z 0 1 2 3 4 5 6 7 8 9
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 0.0754
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 0.2258 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2518 0.2549
0.7 0.2880 0.2612 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 0.2996 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 0.4454 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 0.4857
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 0.4998 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
![Page 51: 33 Universidad Nacional de Ingeniería - Docente Universitario · ... Murray R. Spiegel. ... de desarrollar tu habilidad para el análisis y solución de problemas](https://reader033.vdocument.in/reader033/viewer/2022051800/5acc48957f8b9a875a8c6b3b/html5/thumbnails/51.jpg)
Estadística. Docentes: Luis Dicovskiy Riobóo – Jhony Montenegro Molina Página 51
VALORES PERCENTILES (tp) PARA LA DISTRIBUCIÓN t
de Student, CON v GRADOS DE LIBERTAD