Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

CONTENIDO
PGINA JUSTIFICACIN OBJETIVO GENERAL OBJETIVOS ESPECIFICOS COMPETENCIAS PROCEDIMIENTOS DIDCTICOS Y METODOLOGA CRITERIOS Y PROCEDIMIENTOS DE EVALUACIN CONTENIDO PROGRAMTICO DESARROLLADO POR SEMANAS DIIAGNSTICO CONCEPTOS BSICOS DE PROBABILIDAD EVENTOS: MUTUAMENTE EXCLUYENTES, NO EXCLUYENTES, INDEPENDIENTES, DEPENDIENTES. TCNICAS DE CONTEO EJERCICIOS DE APLICACIN Y ACTIVIDADES COMPLEMENTARIAS DISTRIBUCIONES DE PROBABILIDAD EJERCICIOS DE APLICACIN Y ACTIVIDADES COMPLEMENTARIAS DENSIDADES DE PROBABILIDAD APLICACIONES DE LA ESTADSTICA DISTRIBUCIONES MUESTRALES INFERENCIAS RELATIVAS A MEDIAS EJERCICIOS DE APLICACIN Y ACTIVIDADES COMPLEMENTARIAS BIBLIOGRAFA BSICA ANEXOS 10 12 15 20 21 25 27 30 30 33 34 2 2 2 2 3 4 4 5 7 9

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

JUSTIFICACIN
La estadstica es una ciencia que ha evolucionado con las necesidades cambiantes de la sociedad. El estudiante actual es producto de un entorno cultural particular y es motivado de manera diferente a como lo eran los estudiantes de hace algunos aos. Este modulo presenta la estadstica como una gran herramienta para el aprendizaje del mundo que nos rodea, a la vez que se aprenden conceptos inferencia les, se conocen aplicaciones en el mundo real, en campos como ciencias fsicas y sociales, administracin, economa e ingeniera. El impacto del desarrollo de la estadstica se ha hecho sentir en la ingeniera industrial, sus aportaciones a los problemas de produccin, al uso eficiente de materiales y fuerza de trabajo, a la investigacin bsica y al desarrollo de nuevos productos; tambin es una herramienta vital para los ingenieros: permite comprender fenmenos sujetos a variaciones y predecirlos o controlarlos eficazmente.

OBJETIVO GENERAL
Conocer y manejar las tcnicas fundamentales de la estadstica inferencial, para tenerlas como punto de referencia en la toma de decisiones para el establecimiento de metas, evaluacin de rendimiento, medicin del progreso, planes de produccin y otros procesos.

OBJETIVOS ESPECFICOS
Manejar con propiedad los conceptos bsicos de la estadstica inferencial. Motivar al estudiante con ejemplos prcticos que muestren el papel de la estadstica en la ingeniera Dar bases slidas para el uso de la estadstica, para que el futuro Ingeniero aborde con propiedad, investigaciones o estudios. Comparar e interpretar datos provenientes de diversas fuentes. Reconocer la relacin existente entre un conjunto de datos y su representacin. Utilizar representaciones grficas adecuadas para representar diversos tipos de datos. Resolver y formular problemas de probabilidad a partir de un conjunto de datos presentados en tablas o diagramas. Resolver y formular problemas de tcnicas de conteo a partir de un conjunto de datos Usar las distribuciones de probabilidad para interpretar el comportamiento de un conjunto de datos. Usar las densidades de probabilidad para interpretar el comportamiento de un conjunto de datos. Reconocer que diferentes maneras de presentar la informacin pueden dar origen a diferentes interpretaciones. Seleccionar y utilizar algunos mtodos estadsticos adecuados segn el tipo de informacin. Comparar estudios provenientes de medios de comunicacin.

COMPETENCIAS
1. La comunicacin y la representacin. Capacidad del estudiante para: Expresar ideas. Interpretar, usar diferentes tipos de representacin. Describir relaciones matemticas. Relacionar materiales fsicos y diagramas con ideas matemticas. Modelar usando lenguaje escrito, oral, concreto, pictrico, grfico y algebraico. Manipular proposiciones y expresiones que contengan smbolos y frmulas. Utilizar variables y construir argumentaciones orales y escritas. 2

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co Traducir, interpretar y distinguir entre diferentes tipos de representaciones. Interpretar lenguaje formal y simblico y traducir del lenguaje natural al simblico formal.

2. El razonamiento y la argumentacin. Relacionada con aspectos como: Dar cuenta del cmo y del por qu de los caminos que se siguen para llegar a conclusiones. Justificar estrategias y procedimientos puestos en accin en el tratamiento de situaciones problema. Formular hiptesis, hacer conjeturas, explorar ejemplos y contraejemplos. Probar y estructurar argumentos. Generalizar propiedades y relaciones. Identificar patrones y expresarlos matemticamente y plantear preguntas. 3. La modelacin y planteamiento y resolucin de problemas. Relacionada con la capacidad para: Formular problemas a partir de situaciones dentro y fuera de la matemtica. Traducir la realidad a una estructura matemtica. Desarrollar y aplicar diferentes estrategias y justificar la eleccin de mtodos e instrumentos para la solucin de problemas. Justificar la pertinencia de un clculo exacto o aproximado en la solucin de de un problema y lo razonable o no de una repuesta obtenida. Verificar e interpretar resultados a la luz del problema original y generalizar soluciones y estrategias para dar solucin a nuevas situaciones problema.

PROCEDIMIENTOS DIDCTICOS Y METODOLOGA

En aras de garantizar el xito del estudiante en este proceso centrado en el aprendizaje de la estadstica se hace necesario adoptar acciones pedaggicas, donde l asuma con responsabilidad su trabajo en grupos multidisciplinarios e interdisciplinarios, reconozca la necesidad de comprometerse en el aprendizaje continuo a lo largo del curso, que le servir en su vida profesional, fomentarle la generacin de hbitos de estudio, de disciplina y de la cultura informtica. Las temticas se desarrollarn a travs de acciones metodolgicas acordes con las prcticas pedaggicas presnciales como: Clase magistral. Lecturas y socializacin. Talleres de ejercicios en clase diseados por el educador. Prcticas guiadas de laboratorio en el uso y manejo de Calculadora y/o software estadstico. Video foros. Igualmente las estrategias acordes con las prcticas pedaggicas independientes como: Preparacin de sustentaciones, exmenes, etc. Consultas bibliogrficas Talleres de ejercicios Consultas en Internet Asesoras. Lecturas Redaccin de ensayos Desarrollo de guas

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

CRITERIOS Y PROCEDIMIENTOS DE EVALUACIN

En la evaluacin se tendr en cuenta tres etapas significativas que son: la evaluacin diagnstica, la evaluacin formativa o continua y la evaluacin sumativa. 1. Evaluacin diagnstica: Al inicial el semestre acadmico se realizar una prueba diagnstica de los contenidos del curso con el propsito de: Determinar el nivel real del educando antes de iniciar el modulo. Detectar carencias y debilidades que puedan dificultar el logro de las competencias planteadas. Disear actividades de refuerzo. Dar elementos valederos para plantear ajustes o modificaciones en el programa. 2. Evaluacin formativa o continua: Se realizar durante el desarrollo del proceso de educativo para localizar las deficiencias cuando an se est en posibilidad de remediarlas y optimizar el proceso de logro del xito por el educando. En los tiempos presnciales las acciones a observar sern:
TALLERES DE CLASE

Acompaamiento del educador al desempeo del grupo de trabajo. Plenarias participativas. Elaboracin de ensayos, resolucin de talleres. Socializacin de lecturas (mesa redonda, panel,...) Asesora del uso y manejo adecuado de la calculadora y/o software matemtico.

LECTURAS

PRACTICAS DE LABORATORIO

En los tiempos independientes las acciones a observar sern:

ASESORIAS

Brindar orientacin, dar soluciones a las inquietudes que presente el estudiante. Asignacin, desarrollo, revisin, correccin y entrega del informe final.

TALLERES DE EJERCICIOS

3. Evaluacin sumativa: La calificacin que se obtiene a lo largo de los procesos u obtenida en las diferentes etapas de la evaluacin realizada a lo largo del curso: Primer y segundo parcial: (sexta y dcima semana) valor 30% cada uno. Descrito de la siguiente forma: Evaluacin escrita valor 15%; Trabajos, quices, talleres y controles de lectura valor 15%. Examen final: (Dcima sexta semana) valor 40%.Se dividir as: 20% evaluacin escrita; 20% trabajos, quices, talleres y controles de lectura.

CONTENIDO PROGRAMTICO DESARROLLADO POR SEMANAS

TRABAJO PRESENCIAL 48 HORAS CM: Clase Magistral CL: Control de lectura TC: Talleres en clase EP: Evaluacin Programada TRABAJO INDEPENDIENTE 48 HORAS PS: Preparacin de sustentaciones, evaluaciones L: Lecturas CB: Consultas bibliogrficas TE: Taller de ejercicios CI: Consulta en Internet

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA1: DIAGNSTICO
CM: 1H CL: 1H L: 1H CB: 2H TC: 1H

EJERCICIOS DE INTRODUCCIN A LA ESTADSTICA 2

1. Se desea describir al estudiante tpico de una Universidad. Describa tres variables que midan alguna caracterstica de un estudiante: 1.1 Datos de atributo. 1.2 Datos numricos. 2. Un candidato a un puesto pblico afirma que ganar las elecciones. Se realiza una encuesta y 35 de 150 electores indican que votarn por el candidato, cien electores indican que votarn por el oponente, y 15 electores estn indecisos. 2.1 Cul es el parmetro poblacional de inters? 2.2 Cul es el valor de la estadstica de la muestra que podra utilizarse para estimar el parmetro de la poblacin? 2.3 Tendera usted a creerle al candidato con base en los resultados de la encuesta? 3. Responda Verdadero si la proposicin siempre es verdadera. Si la proposicin no siempre es verdadera, sustituya las palabras en negrilla por las que hagan siempre verdadera la proposicin. 3.1 La estadstica inferencial es el estudio y descripcin de datos que resultan de un experimento. 3.2 Una poblacin tpicamente es una coleccin muy grande de individuos u objetos sobre los que se desea tener informacin. 3.3 Un parmetro es la medida de alguna caracterstica de una muestra. 3.4 Una muestra representativa es una muestra obtenida de modo que todos los individuos tienen la misma posibilidad de ser elegidos. 3.5 El objetivo fundamental de la estadstica es obtener una muestra, analizarla y luego hacer inferencias sobre las caractersticas desconocidas de la poblacin de la cual se obtuvo la muestra. 4. Los propietarios de la cadena de almacenes AVJN estn preocupados por la calidad del servicio que reciben sus clientes. Para estudiar el servicio recibido, recolectaron muestras para cada una de las variables. Clasifique cada una de las siguientes variables: mtodo de pago para hacer las compras, empresa donde labora el cliente, cantidad de impuestos por ventas en la compra, nmero de artculos comprados, nmero de licencia de conducir del cliente, dinero cancelado por la compra. 5. Escriba un prrafo con respecto a cada pregunta: 5.1 La poblacin y la muestra son, ambos, conjuntos de objetos. Describa la relacin entre ellos y proporcione un ejemplo. 5.2 Los datos, la estadstica y el parmetro son, todos, valores usados para describir una situacin estadstica. Cmo puede distinguirse estos tres trminos? Proporcione un ejemplo. 6. El tiempo medio necesario para pagar y salir para todos clientes de almacenes AVJN, debe estimarse utilizando el tiempo medio para pagar y salir necesario de 75 clientes elegidos aleatoriamente. Haga corresponder las expresiones de la columna dos con los trminos estadsticos de la columna uno.
UNO DATO DATOS EXPERIMENTO PARMEYTRO POBLACIN MUESTRA ESTADSTICA VARIABLE DOS A. LOS 75 CLIENTES B. EL TIEMPO MEDIO PARA TODOS LOS CLIENTES C. DOS MINUTOS, EL TIEMPO PARA SALIR Y PAGAR DE UN CLIENTE D. EL TIEMPO MEDIO PARA LOS 75 CLIENTES E. TODOS LOS CLIENTES EN AVJN F. EL TIEMPO PARA PAGAR Y SALIR DE UN CLIENTE G. LOS 75 TIEMPOS
H. EL PROCESO UTILIZADO PARA SELECCIONAR A LOS 75 CLIENTES Y MEDIR SUS TIEMPOS

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co 7. La siguiente es una muestra de 50 puntajes del examen final de un curso de estadstica: 60 47 82 95 88 72 67 66 68 90 77 86 58 64 95 74 72 88 77 39 90 63 68 97 70 64 70 58 78 89 44 55 85 82 83 72 72 86 50 94 92 80 91 75 76 Encuentre lo siguiente: 7.1 Poblacin 7.5 Diagrama de tallo y hojas 7.8 Medidas de tendencia central 7.2 Muestra 7.6 Distribucin de frecuencias 7.9 Medidas de dispersin 7.3 Variable 7.7 Dos grficas 7.10 Conclusiones 7.4 Clase de variable 8. A 16 estudiantes de CORHUILA, elegidos aleatoriamente, se les solicito mencionar el nmero de horas que durmieron la noche anterior. Los datos resultantes fueron: 5 6 6 8 7 7 9 5 4 8 11 6 7 8 7 7 Encuentre lo siguiente: 8.1 Poblacin 8.5 Dos grficas 8.8 Graficar media 8.2 Muestra 8.6 Medidas de tendencia central y desviacin estndar 8.3 Variable 8.7 Medidas de dispersin 8.9 Conclusiones
8.4 Clase de variable

98 74 70 77 78

9. Realice una visita a la Biblioteca y escriba la informacin referente a los libros que complementan la informacin de este modulo de estadstica 2. 10. Consulte la definicin de: Probabilidad y su origen.

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 2: CONCEPTOS BSICOS DE PROBABILIDAD

CM: 2H TC: 1H L: 1H TE: 1H CI: 1H EXPERIMENTOS ALEATORIOS Es un ensayo o una accin en la cual se conoce el procedimiento que se debe seguir y los posibles resultados que se pueden presentar. Sin embargo, no se puede predecir con certeza el resultado final hasta que se realice. Ejemplos:

7
ALEATORIO Lanzar un dado Lanzar una moneda Apostar por el resultado de un partido de ftbol Ganar el premio mayor de la lotera NO ALEATORIO Hacer una mezcla qumica Conocer el resultado de una operacin matemtica Responder una evaluacin para la cual se ha estudiado Lanzarse a una piscina

PROBABILIDAD
MTODO AXIOMTICO: La probabilidad de ocurrencia de un suceso es un nmero comprendido entre 0 y 1. Nocin de frecuencia relativa (hi) MTODO CLSICO: La probabilidad es el cociente de dividir los casos favorables que pueden ocurrir en un suceso, por el total de casos posibles. P = nmero de xitos / nmero de casos posibles ESCALA DE PROBABILIDAD
PROBABILIDAD IMPOSIBILIDAD ABSOLUTA VEROSIMIL DUDOSA INVEROSIMIL CERTEZA ABSOLUTA VALOR 0 Mayor que 0 y menor que 0,5 0,5 Mayor que 0,5 y menor que 1 1

PROBABILIDAD A PRIORI Se determina de antemano, sin necesidad de realizar el experimento. Ejemplo: La probabilidad de obtener un 5 en el lanzamiento de un dado. PROBABILIDAD EMPRICA Se determina mediante la realizacin de experimentos. Ejemplo: En caso de determinar el xito de un vendedor, se calcula: nmero de ventas realizadas a los clientes, dividido por el total de clientes atendidos. ESPACIO MUESTRAL Es el conjunto formado por todos los posibles resultados que se pueden dar al realizar el experimento aleatorio. Se simboliza como E, es considerado como el conjunto universal aleatorio. 7

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co Ejemplos: Los resultados del lanzamiento de un dado: S= {1, 2, 3, 4, 5, 6} Los resultados del lanzamiento de una moneda: S = {Cara, Sello} SUCESO Es cada caso posible a la realizacin de un acontecimiento. Ejemplos: A: Los resultados pares del lanzamiento de un dado. A = {2, 4, 6} B: los resultados mayores que 4 del lanzamiento de una moneda. B= {5, 6}

CLASES DE SUCESOS HECHO VACIO O IMPOSIBLE Cuando se espera un resultado que no puede suceder al ejecutar un experimento aleatorio. HECHO UNITARIO O SIMPLE Cuando el conjunto que se considera tiene solo un elemento. HECHO INVEROSMIL Evento susceptible de realizarse, pero su probabilidad favorable es menor que 0,5 y mayor que cero. HECHO DUDOSO La probabilidad es igual a 0,5. HECHO VEROSMIL Evento susceptible de realizarse, pero su probabilidad favorable es menor que la unidad y mayor que 0,5. HECHO SEGURO, CIERTO O UNIVERSAL Cuando al conformar el conjunto este resulta ser igual al espacio muestra, son favorables todos los casos posibles. Ejemplos En un casino se quiere establecer la lista de premios para el juego de lanzar un par de dados numerados del 1 al 6, para ello, el administrador del juego desea saber el conjunto correspondiente a los siguientes casos: F: Obtener un 6 al sumar los resultados de un lanzamiento. G: Obtener 5 o menos al sumar los resultados de un lanzamiento. H: Obtener un 13 al sumar los resultados de un lanzamiento. Vaco o imposible. I: Obtener un 2 al sumar los resultados de un lanzamiento. Unitario o simple. J: Obtener menos de 13 al sumar los resultados de un lanzamiento. Seguro o universal

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 3: CLASIFICACIN DE EVENTOS

CM: 2H TC: 1H L: 1H TE: 2H

EVENTO
Es un conjunto que se define dentro del espacio muestral, por lo tanto, est formado por los elementos del mismo que tienen una caracterstica definida. Se notan con letras maysculas. EVENTOS MUTUAMENTE EXCLUYENTES O DISYUNTOS Dos o ms eventos son mutuamente excluyentes si no pueden ocurrir al mismo tiempo. Es decir, la ocurrencia de un evento automticamente impide la ocurrencia del otro (u otros). EJEMPLO: En un estudio realizado a estudiantes de la Universidad, se clasifican segn su edad en Menor de 20 aos o Mayor de 20 aos. EVENTOS NO EXCLUYENTES Dos o ms eventos son no excluyentes cuando es posible que ocurran al mismo tiempo. EJEMPLO: En un estudio realizado a estudiantes de la Universidad, se clasifican segn su edad en Menor de 20 aos o Mayor de 20 aos y segn su sexo, Masculino o Femenino. Los eventos: masculino y menor de 20 aos son no excluyentes. LAS REGLAS DE ADICIN Se utilizan cuando se desea determinar la probabilidad de que ocurra un evento u otro (O ambos) en una sola observacin.
Probabilidad de que ocurra el evento A o el evento B Eventos mutuamente excluyentes Eventos no excluyentes P(AVB) = P(AUB) P(AVB) = P(A) + P(B) P(AVB) = P(A) + P(B) P(AB)

EVENTOS INDEPENDIENTES Dos eventos son independientes cuando la ocurrencia o no ocurrencia de uno no tiene ningn efecto sobre la probabilidad de ocurrencia del otro. EJEMPLO: Los resultados asociados con el lanzamiento de una moneda dos veces seguidas. EVENTOS DEPENDIENTES. Dos eventos son dependientes cuando la ocurrencia o no ocurrencia de uno si afecta la probabilidad de ocurrencia del otro evento. EJEMPLO: La extraccin de dos cartas sin reemplazo de una baraja. PROBABILIDAD CONDICIONAL Cuando dos eventos son dependientes, se utiliza el concepto de probabilidad condicional para designar la probabilidad de ocurrencia de un evento relacionado. P(B l A) indica la probabilidad de que ocurra el evento B dado que ocurre el evento A. P(B l A) =

LAS REGLAS DE MULTIPLICACIN Las reglas de multiplicacin se refieren a la determinacin de la probabilidad de la ocurrencia conjunta de a y B.
Probabilidad de que ocurra el evento A y el evento B Eventos independientes Eventos dependientes P(AB) P(AB) = P(A) . P(B) P(AB) = P(A) . P(B l A)

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 4: TCNICAS DE CONTEO

CM: 1H EP: 1H CL: 1H L: 1H TE: 2H

ANLISIS COMBINATORIO
El anlisis combinatorio es un sistema que permite agrupar y ordenar en diversas formas los elementos de un conjunto. Los principales tipos de anlisis combinatorio son: Numeraciones, permutaciones y combinaciones.

PERMUTACIONES
Se denominan permutaciones a los diferentes grupos que se pueden obtener tomndolos todos cada vez. La permutacin implica orden. Casos de permutaciones: Permutaciones de n elementos Permutaciones con repeticin Permutaciones con un subgrupo r de n nP = n!

10

Pn (r: r1, r2,) =

nPr =

COMBINACIONES
Son aquellas en las que no interesa el orden de la aparicin de los elementos del conjunto COMBINACIONES nCr =

PROBLEMAS
RESPONDA LAS PREGUNTAS 1 A 3 CON LA SIGUIENTE INFORMACIN Suponga que 8 obreros calificados van a ser asignados a 8 puestos de capacitacin. 1. De cuntas formas pueden asignarse los 8 puestos a los 8 obreros? 2. Suponga que solo existen disponibles 6 puestos distintos para los 8 obreros calificados, De cuntas formas puede asignarse a 6 de las 8 personas que son, para los 6 puestos disponibles? 3. Suponga que los 6 puestos disponibles pueden considerarse equivalentes, o no diferentes, para propsitos prcticos, De cuntas maneras puede asignarse a las 6 personas de entre los 8 obreros calificados, para ocupar los 6 puestos? RESPONDA LAS PREGUNTAS 6 A 9 CON LA SIGUIENTE INFORMACIN Un grupo asignado a un proyecto est formado por 2 ingenieros y 3 tcnicos, y debe ser conformado a partir de una planta departamental que incluye a 5 ingenieros y 9 tcnicos. 4. Cuntos grupos de proyectos distintos pueden formarse a partir de las 14 personas disponibles? Suponga que se asigna a las 5 personas al azar, de entre las 14 personas disponibles en el departamento, sin importar si es ingeniero o tcnico, cul es la probabilidad de que el grupo de proyecto incluya 5. Exactamente 2 ingenieros? 6. Ningn ingeniero? 10

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co 7. Ningn tcnico? 8. Determine en cuntas formas un industrial puede elegir 4 de 11 ubicaciones para un nuevo almacn. 9. Clasifique en permutaciones o combinaciones: 9.1 Las maneras de arreglar 5 cuadros en lnea sobre una pared. 9.2 Las maneras en que se puede elegir a tres personas de un grupo de 5. 9.3 Las maneras en que se puede elegir al primero, y al segundo violinista entre 6 msicos. 9.4 Las maneras en que se pueden elegir 4 suteres de 7. 9.5 Las maneras en que se pueden arreglar 5 sillas en una fila. 9.6 Posibles resultados finales de 7 personas en una carrera si no hay empates. 9.7 Las maneras en que se puede elegir a tres representantes entre 21 estudiantes.

11

11

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 5: RESOLUCIN EJERCICIOS DE APLICACIN Y ACTIVIDADES DE COMPLEMENTACIN

CL: 1H PS: 2H TC: 2H L: 1H CONSULTA: TEOREMA DE BAYES

PROBLEMAS DE APLICACIN
1. Si las probabilidades de que una familia, aleatoriamente elegida en una encuesta realizada en Neiva, posea un computador, un DVD o ambos son, respectivamente, 0.87, 0.36, y 0.29, Cul es la probabilidad de que una familia posea un computador o un DVD? 2. Una empresa planea probar un nuevo producto en una zona de mercado elegida aleatoriamente. Las zonas de mercado se clasifican con base en la ubicacin y en la densidad de poblacin, segn la siguiente tabla: DENSIDAD UBICACIN URBANO (U) RURAL (R) TOTAL ESTE (E) 30 50 80 OESTE (O) 20 35 55 TOTAL 50 85 135 Calcular la probabilidad de que el mercado de prueba elegido est: 2.1 En el este. 2.2 En el oeste. 2.3 En una zona urbana. 2.4 En una zona rural. 2.5 En una zona rural del oeste. 2.6 En una zona del este o en una zona urbana. 2.7 En una zona urbana dado que est en el este. 2.8 En una zona rural y en el oeste. 2.9 En el este dado que esta en una zona urbana.
2.10 No se encuentre en una zona rural dado que no est en el este.

12

3. Segn un artculo publicado en GLAMOUR (Abril de 1991), una de cada 9 personas a quienes se diagnosticar SIDA durante 1991 ser una mujer. Encuentre la probabilidad de que una persona a la que se diagnosticar SIDA en 1991 sea hombre. 4. En el artculo A PUZZLING PLAGUE publicado en el nmero del 14 de enero de 1991 de la revista TIME, se plantea que una de cada 10 mujeres estadounidenses padecer cncer de mama. Tambin establece que de las mujeres que padecern est enfermedad, fallecer una de cada cuatro. Calcule la probabilidad de que una mujer estadounidense elegida al azar: 4.1 Nunca tendr cncer de mama. 4.2 Padecer cncer de mama y no fallecer debido a eso. 4.3 Padecer cncer de mama y fallecer debido a eso. 4.4 Tendr cncer de mama. 4.5 No fallecer por padecer esta enfermedad. 5, Segn SCIENCE NEWS (noviembre de 1990), el apnea durante el sueo afecta a 2 millones de individuos en USA. Esta enfermedad interrumpe la respiracin durante el sueo y puede despertar a quien la padece hasta 5 veces en una hora. Muchos sujetos no reconocen esta condicin, aun cuando produce fuertes ronquidos. En el supuesto que en USA hay 200 millones de habitantes, cul es la probabilidad de que una persona elegida al azar no est afectada por el apnea durante el sueo? 6. En IMAGE, THE JOURNAL OF NURSING SCHOLARSHIP (primavera de 1993), apareci un estudio acerca de las estrategias seguidas por abstemios para no consumir alcohol. El estudio 12

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co implic a 23 sujetos que fueron clasificados segn el sexo y el estado civil, tal como se muestra en la siguiente tabla: Estado Hombres Mujeres Calcular la probabilidad de que: civil 6.1 El sujeto est casado, dado que la persona sea hombre 6.2 El sujeto sea mujer, dado que el individuo est separado Casado(a) 10 3 6.3 El sujeto sea hombre, dado que el individuo es soltero Separado(a) 3 6 6.4 El sujeto sea soltero o sea mujer Soltero(a) 1 0 7. En el supuesto de que una mujer pueda dar a luz con la misma probabilidad a un nio que a una nia, utilice un diagrama de rbol para calcular la probabilidad de que una familia con cuatro hijos conste de un nio y tres nias.

13
RESPONDA LAS PREGUNTAS 8 A 12 CON LA SIGUIENTE INFORMACIN Van a asignar asientos contiguos en una mesa de banquete a las cinco personas que constituyen la alta administracin de una pequea empresa. Determine el nmero de arreglos distintos de asientos que son posibles para las cinco personas. 8. Suponga que slo tres de los cinco funcionarios sern invitados a representar a la compaa en el banquete. Cuntos arreglos distintos son posibles en la mesa, considerando que pueden escogerse tres cualquiera de las cinco personas? 9. Suponga que no importa el nmero de arreglos posibles distintos de los asientos, sino que, interesa el nmero de agrupaciones diferentes de los tres funcionarios (De entre los cinco) que podran asistir al banquete. Cuntas agrupaciones distintas existen? 10. Determine la probabilidad de que el grupo de los tres funcionarios elegidos de entre los 5 incluya un funcionario especfico. 11. Determine la probabilidad de que el grupo de los tres funcionarios elegidos de entre los 5 incluya dos funcionarios especficos. 12. Determine la probabilidad de que el grupo de los tres funcionarios elegidos de entre los 5 incluya tres funcionarios especficos. RESPONDA LAS PREGUNTAS 13 A 16 CON LA SIGUIENTE INFORMACIN Un representante de ventas debe visitar seis ciudades en un viaje. 13. Si existen 10 ciudades en el rea geogrfica que va a visitar, Cuntas agrupaciones distintas de 6 ciudades existen que es posible visitar? 14. Suponga que existen 10 ciudades en el rea geogrfica que va a visitar, y que adems, tambin importa la secuencia en la que tiene programado hacer esas visitas. Cuntas secuencias distintas existen de 6 ciudades escogidas de entre el total de 10? 15. Suponga que se han asignado las 6 ciudades que se visitarn, pero no se ha definido la secuencia en la que se harn las visitas. Cuntas secuencias son posibles para las 6 ciudades designadas? RESPONDA LAS PREGUNTAS 16 y 17 CON LA SIGUIENTE INFORMACIN De las 10 ciudades que se describieron en los anteriores problemas, suponga que en realidad 6 de ellas son Mercados primarios para el producto en cuestin, mientras que las otras 4 constituyen Mercados secundarios. 16. Si el vendedor elige en forma aleatoria las 6 ciudades que va a visitar, Cul es la probabilidad de que 4 de ellas resulten ser mercados primarios y 2 de ellas mercados secundarios? 17. Si el vendedor elige en forma aleatoria las 6 ciudades que va a visitar, Cul es la probabilidad de resultar que las 6 son mercados primarios? 13

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 6: PARCIAL 1
EP: 3H PS: 3H

14

14

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANAS 7 Y 8: DISTRIBUCIONES DE PROBABILIDAD

CM: 4H TC: 2H L: 2H TE: 4H

TRABAJO EN EQUIPO
Realizar una consulta del tema asignado: 1. Informe escrito. 2. Socializacin de los conceptos bsicos, explicacin de un ejemplo y realizar un problema de aplicacin. 3. Entregar resumen a los compaeros. 4. La socializacin debe ser con la participacin de todos los integrantes del equipo.

15

EQUIPO
1

TEMA
Variables aleatorias discretas Distribuciones de probabilidad

INTEGRANTES

FECHA

Distribucin Binomial

Distribucin Hipergeomtrica

Media y varianza de una distribucin de probabilidad

Distribucin de Poisson

Distribucin Geomtrica

Distribucin Multinomial

15

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co Las variables aleatorias son aquellas que se asocian a la ocurrencia de un fenmeno aleatorio. Cuando una de estas variables aleatorias toma diversos valores, la probabilidad asociada a cada uno de tales valores puede ser organizada como una distribucin de probabilidad, la cual es la distribucin de las probabilidades asociadas a cada uno de los valores de la variable aleatoria. Las distribuciones de probabilidad pueden representarse a travs de una tabla, una grfica o una frmula, en cuyo caso tal regla de correspondencia se le denomina funcin de probabilidad. Consideraremos primero las distribuciones de probabilidad para variables discretas.

MODELOS DE DISTRIBUCIONES DE PROBABILIDAD DE VARIABLES DISCRETAS

Uniforme. Es la distribucin donde todos los eventos elementales tienen la misma probabilidad. Por ejemplo: tirar un dado, donde la funcin P(X=x)=1/6 para valores de x=1,2,3,4,5,6. Binomial. Es la que maneja la distribucin de la probabilidad de obtener cierta cantidad de xitos al realizar una cantidad de experimentos con probabilidad de xito constante y con ensayos independientes. Geomtrica. Es la distribucin de la probabilidad de realizar cierto nmero de experimentos antes de obtener un xito. Hipergeomtrica. Es similar a la binomial, pero con un tamao de muestra grande en relacin al tamao de la poblacin. La funcin de Excel que proporciona sus valores es DISTR.HIPERGEOM De Poisson. Es la distribucin de la probabilidad de que ocurra un evento raro en un periodo de tiempo, un espacio o un lugar. La funcin de Excel que da los valores de la distribucin es POISSON La que ms nos interesar de estas es la distribucin binomial que se presenta a continuacin.

16

DISTRIBUCIN BINOMIAL

B(x; n, p) = nCr . . Con q = 1 - p

La distribucin binomial es una distribucin discreta muy importante que surge en muchas aplicaciones. Esta distribucin aparece de forma natural al realizar repeticiones independientes de un experimento que tenga respuesta binaria, generalmente clasificada como xito o fracaso. Por ejemplo, esa respuesta puede ser el hbito de fumar (s/no), si un paciente hospitalizado desarrolla o no una infeccin, o si un artculo de un lote es o no defectuoso. La variable discreta que cuenta el nmero de xitos en n pruebas independientes de ese experimento, cada una de ellas con la misma probabilidad de xito igual a p, sigue una distribucin binomial de parmetros n y p. Este modelo se aplica a poblaciones finitas de las que se toma elementos al azar con reemplazo, y tambin a poblaciones conceptualmente infinitas, como por ejemplo las piezas que produce una mquina, siempre que el proceso de produccin sea estable (la proporcin de piezas defectuosas se mantiene constante a largo plazo) y sin memoria (el resultado de cada pieza no depende de las anteriores). Ejemplo En un examen formado por 20 preguntas, cada una de las cuales se responde declarando verdadero o falso, el alumno sabe que, histricamente, en el 75% de los casos la respuesta correcta es verdadero y decide responder al examen tirando dos monedas, pone falso si ambas monedas muestran una cara y verdadero si al menos hay una cruz. Se desea saber qu probabilidad hay de que tenga 14 aciertos. En este caso:

16

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co n=20 p=0,75 q=1-0,75=0,25 x=14

B(x; n, p) = nCx. . B(14; 20, 0,75) = 20C14 .

=0,169 = 16,9%

= (38769).(0,0178).(0,000244)

La probabilidad de que el alumno tenga 14 aciertos es 16,9%.

DISTRIBUCIN HIPERGEOMTRICA

h(x; n, a, N) =
La distribucin hipergeomtrica suele aparecer en procesos muestrales sin reemplazo, en los que se investiga la presencia o ausencia de cierta caracterstica. Por ejemplo, en un procedimiento de control de calidad en una empresa farmacutica, durante el cual se extraen muestras de las cpsulas fabricadas y se someten a anlisis para determinar su composicin. Durante las pruebas, las cpsulas son destruidas y no pueden ser devueltas al lote del que provienen. En esta situacin, la variable que cuenta el nmero de cpsulas que no cumplen los criterios de calidad establecidos sigue una distribucin hipergeomtrica. Por tanto, esta distribucin es la equivalente a la binomial, pero cuando el muestreo se hace sin reemplazo. Esta distribucin se puede ilustrar del modo siguiente: se tiene una poblacin finita con N elementos, de los cuales R tienen una determinada caracterstica que se llama xito. El nmero de xitos en una muestra aleatoria de tamao n, extrada sin reemplazo de la poblacin, es una variable aleatoria con distribucin hipergeomtrica de parmetros N, R y n. Cuando el tamao de la poblacin es grande, los muestreos con y sin reemplazo son equivalentes, por lo que la distribucin hipergeomtrica se aproxima en tal caso a la binomial. Parmetros: N: tamao de la poblacin a: nmero de xitos en la poblacin n: nmero de pruebas Ejemplo Se sabe que el 7% de los tiles quirrgicos en un lote de 100 no cumplen ciertas especificaciones de calidad. Tomada una muestra al azar de 10 unidades sin reemplazo, interesa conocer la probabilidad de que dos sean defectuosos. El nmero de tiles defectuosos en el lote es a = (0,07).100=7. N = 100 n = 10 x=2

17

h(x; n, a, N) = h(2; 10, 7, 100) = = 0,123 = 12,3%

DISTRIBUCIN GEOMTRICA

g(x; p) =
17

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co Supngase, que se efecta repetidamente un experimento o prueba, que las repeticiones son independientes y que se est interesado en la ocurrencia o no de un suceso al que se refiere como xito, siendo la probabilidad de este suceso p. La distribucin geomtrica permite calcular la probabilidad de que tenga que realizarse un nmero k de repeticiones hasta obtener un xito por primera vez. As pues, se diferencia de la distribucin binomial en que el nmero de repeticiones no est predeterminado, sino que es la variable aleatoria que se mide y, por otra parte, el conjunto de valores posibles de la variable es ilimitado. Para ilustrar el empleo de esta distribucin, se supone que cierto medicamento opera exitosamente ante la enfermedad para la cual fue concebido en el 80% de los casos a los que se aplica; la variable aleatoria intentos fallidos en la aplicacin del medicamento antes del primer xito sigue una distribucin geomtrica de parmetro p=0,8. Otro ejemplo es el nmero de hijos hasta el nacimiento de la primera nia. La distribucin geomtrica se utiliza en la distribucin de tiempos de espera, de manera que si los ensayos se realizan a intervalos regulares de tiempo, esta variable aleatoria proporciona el tiempo transcurrido hasta el primer xito. Esta distribucin presenta la denominada Propiedad de Harkov o de falta de memoria, que implica que la probabilidad de tener que esperar un tiempo t no depende del tiempo que ya haya transcurrido. Parmetros: p: probabilidad de xito Ejemplo La probabilidad de que cierto examen mdico d lugar a una reaccin positiva es igual a 0,8 cul es la probabilidad de que ocurran menos de 5 reacciones negativas antes de la primera positiva? La variable aleatoria nmero de reacciones negativas antes de la primera positiva sigue una distribucin Geomtrica con parmetro p=0,8.

18

g(x; p) = g(5; 0,8) =

= 0,0013 = 0,13%

DISTRIBUCIN DE POISSON

p(x; ) =
La distribucin de Poisson, que debe su nombre al matemtico francs Simen Denis Poisson (1781-1840), ya haba sido introducida en 1718 por Abraham De Moivre como una forma lmite de la distribucin binomial que surge cuando se observa un evento raro despus de unnmero grande de repeticiones. En general, la distribucin de Poisson se puede utilizar como una aproximacin de la binomial, si el nmero de pruebas n es grande, pero la probabilidad de xito p es pequea. La distribucin de Poisson tambin surge cuando un evento o suceso raro ocurre aleatoriamente en el espacio o el tiempo. La variable asociada es el nmero de ocurrencias del evento en un intervalo o espacio continuo, por tanto, es una variable aleatoria discreta que toma valores enteros de 0 en adelante (0, 1, 2,...). As, el nmero de pacientes que llegan a un consultorio en un lapso dado, el nmero de llamadas que recibe un servicio de atencin a urgencias durante 1 hora, el nmero de clulas anormales en una superficie histolgica o el nmero de glbulos blancos en un milmetro cbico de sangre son ejemplos de variables que siguen una distribucin de Poisson. En general, es una distribucin muy utilizada en diversas reas de la investigacin. El concepto de evento raro o poco f recuente debe ser entendido en el sentido de que la probabilidad de observar k eventos decrece rpidamente a medida que k aumenta. Supngase, por ejemplo, que el nmero de reacciones adversas tras la administracin de un frmaco sigue 18

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co una distribucin de Poisson de media lambda = 2. Si se administra este frmaco a 1.000 individuos, la probabilidad de que se produzca una reaccin adversa (x = 1) es 0,27; los valores de dicha probabilidad para x = 2, 3, 4, 5, 6 reacciones, respectivamente, son: 0,27; 0,18; 0,09; 0,03 y 0,01. Para x=10 o mayor, la probabilidad es virtualmente 0. Para que una variable recuento siga una distribucin de Poisson deben cumplirse varias condiciones: 1. En un intervalo muy pequeo la probabilidad de que ocurra un evento es proporcional al tamao del intervalo. 2. La probabilidad de que ocurran dos o ms eventos en un intervalo muy pequeo es tan reducida que, a efectos prcticos, se puede considerar nula. 3. El nmero de ocurrencias en un intervalo pequeo no depende de lo que ocurra en cualquier otro intervalo pequeo que no se solape con aqul. Estas propiedades pueden resumirse en que el proceso que genera una distribucin de Poisson es estable (produce, a largo plazo, un nmero medio de sucesos constante por unidad de observacin) y no tiene memoria (conocer el nmero de sucesos en un intervalo no ayuda a predecir el nmero de sucesos en el siguiente). El parmetro de la distribucin, representa el nmero promedio de eventos esperados por unidad de tiempo o de espacio, por lo que tambin se suele hablar de como la tasa de ocurrencia del fenmeno que se observa. Parmetros: lambda: = media de la distribucin Ejercicio El nmero de enfermos que solicitan atencin de urgencia en un hospital durante un periodo de 24 horas tiene una media de 43,2 pacientes. Se sabe que el servicio se colapsar si el nmero de enfermos excede de 50. Cul es la probabilidad de que se colapse el servicio de urgencias del hospital?
= 43,2 X = 50

19

p(x; ) =

= 0,0338 = 3,38%

19

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 9: EJERCICIOS DE APLICACIN Y ACTIVIDADES COMPLEMENTARIAS

EP: 3H PS: 2H TE. 1H

VER ANEXO 1: Tabla de distribucin binomial. VER ANEXO 2: Tabla de distribucin de Poisson.

DE ACUERDO CON LA SIGUIENTE INFORMACIN, RESPONDA LAS PREGUNTAS 1 A 3. Debido a las elevadas tasas de inters, una empresa reporta que el 30% de sus cuentas por cobrar de otras empresas estn vencidas. Un contador toma una muestra aleatoria de 5 de esas cuentas. 1. La probabilidad de que ninguna de las cuentas est vencida es A. 0,17 B. 18% C. 28% D. 0,27 2. La probabilidad de que exactamente dos cuentas estn vencidas es A. 0,83 B. 84% C. 0,35 3. La probabilidad de que al menos 3 de las cuentas estn vencidas es A. 94% B. 16% C. 6%

20

D. 31%

D. 84%

DE ACUERDO CON LA SIGUIENTE INFORMACIN, RESPONDA LAS PREGUNTAS 4 A 6. En promedio, seis personas utilizan un cajero automtico cada hora, en el transcurso de las horas ms concurridas en una tienda de departamentos. 4. La probabilidad de que seis personas utilicen el cajero durante una hora seleccionada al azar es A. 84% B. 40% C. 60% D. 16% 5. La probabilidad de que menos de cinco personas utilicen el cajero durante una hora elegida al azar es A. 0,446 B. 0,606 C. 0,285 D. 0,478 6. La probabilidad de que nadie utilice el cajero durante un intervalo de diez minutos es A. 0% B. 0,7% C. 0,368% D. 37%

20

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 10: PARCIAL 2

EP: 3H PS: 3H

21

21

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 11: DENSIDADES DE PROBABILIDAD:

CM: 1H L: 2H CL: 1H CI1 TC: 1H

TRABAJO EN EQUIPO
Realizar una consulta del tema asignado: 1. Informe escrito. 2. Socializacin de los conceptos bsicos, explicacin de un ejemplo y realizar un problema de aplicacin. 3. Entregar resumen a los compaeros. 4. La socializacin debe ser con la participacin de todos los integrantes del equipo. EQUIPO 8 TEMA Variables aleatorias continuas Densidades de probabilidad INTEGRANTES FECHA

22

Distribucin Normal

Hasta el momento se han considerado las distribuciones de probabilidad para variables discretas, donde se poda asignar el valor que toma la funcin de probabilidad cuando la variable aleatoria tomaba un valor en concreto. Sin embargo, al considerar las variables continuas se encuentra el problema de que, lo ms probable, los datos que se puedan recabar no sean completamente exactos, o dos o ms de ellos no coincidan, por lo que se tienen que trabajar en intervalos y, en ese momento, modelar una funcin se convierte en un problema serio.

DISTRIBUCIN NORMAL
VER ANEXO 3: Tabla de distribucin normal.

La curva de la distribucin normal puede ser modelada utilizando la funcin

22

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co Donde y son los parmetros y corresponden a la media y a la desviacin estndar, respectivamente, cuyos valores permitidos x son todos los reales, para x son los reales positivos y el dominio de f es el conjunto de los nmeros reales. Dado que para variables continuas la probabilidad de que x tome un valor en el intervalo (a,b) es el rea bajo la curva limitado por rectas verticales que pasan por a y b, entonces se puede encontrar la probabilidad en un intervalo integrando:

Aunque resulta ms cmodo el uso de las tablas que casi todos los libros y formularios proveen. Sin embargo, las tablas de los libros corresponden a la distribucin normal con =0 y =1, por lo que en casos en que los parmetros sean diferentes, entonces hay que realizar una transformacin.

23

PROPIEDADES DE LA CURVA DE DISTRIBUCIN NORMAL

Las propiedades de la curva son bsicamente seis, y su demostracin est basada en conceptos de clculo: 1. Los valores de la curva son positivos. 2. La curva es simtrica con respecto al valor de la media. 3. La curva tiene un valor mximo en el valor de la media. 4. La curva tiene puntos de inflexin en aquellos valores de x para los cuales a la media se le suma o se le resta una desviacin estndar. 5. La curva, en sus extremos izquierdo y derecho, tiende a acercarse infinitamente al valor cero, es decir, el eje de las abscisas es asntota horizontal. 6. El rea bajo la curva es la unidad.

APLICACIONES DE LA DISTRIBUCIN NORMAL

La distribucin normal es, sin duda, la distribucin de probabilidad ms importante del Clculo de probabilidades y de la Estadstica. Fue descubierta por De Moivre (1773), como aproximacin de la distribucin binomial. De todas formas, la importancia de la distribucin normal queda totalmente consolidada por ser la distribucin lmite de numerosas variables aleatorias, discretas y continuas, como se demuestra a travs de los teoremas centrales del lmite. Las consecuencias de estos teoremas implican la casi universal presencia de la distribucin normal en todos los campos de las ciencias: biologa, medicina, psicologa, ingeniera, fsica, economa, etc. La distribucin normal queda totalmente definida mediante dos parmetros: La media = La desviacin estndar = La distribucin normal estndar o tipificada, tiene los siguientes valores: = 0, = 1

23

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co L a p ro ba b i l i da d de l a v a r i ab l e x de pen de r de l r e a so m b r ea da en la f ig u r a, pa r a c a l c u la r l a se u t i l i z a r u na ta b l a ( V e r a ne x o ) . P a r a u t i l i z a r l a t ab l a se t r a n sf o r m a ( T i p if i c a r o n o r m a l i z a r ) la va r i a b le x q ue s i gu e un a d i s t r i bu c i n no r m a l e n o t ra v a r i ab l e z .

CL CUL O DE PRO B AB IL ID ADE S

La tabla del anexo presenta las probabilidades de P ( z a ) , sie n d o z la va r ia b le t if ic a d a o n o r ma liz a d a . P(Z a)

24

P(Z > a) = 1 - P(Z a)

P(Z a) =

P ( Z > a ) = 1 - P ( Z - a )

P(a < Z b ) = P(Z b) P(Z a)

24

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co P(b < Z a ) = P(-a < Z - b ) N o s en c on t r a mo s co n e l c a so i n ve r s o a l o s an t e r i o re s , co no c e mo s e l v a l or d e l a p r ob ab i l i d ad y se t r a ta d e h a l la r e l v a lo r d e l a ab s c i sa . Ah o ra t e ne m o s qu e b u sc a r e n la ta b la e l va lo r q u e m s se a p r ox ime a X .

P ( a < Z b ) = P ( Z b) P ( Z - a) ]

25

Ejemplo E n una c i u dad s e e s t i m a q ue l a te m pe ra t u ra m x i m a e n e l m e s d e ju n i o s i u na d i s t r i b u c i n no r m a l , co n m ed i a 23 y de s v i a c i n t p i c a 5 . C a l c u la r e l n m e ro d e d a s de l m e s en lo s q ue s e e s pe r a a l c an z a r m x i m a s en t r e 2 1 y 2 7 .

25

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 12: CINE FORO - APLICACIN DE LA ESTADSTICA

TC: 3H TE: 2H CI: 1H

PELCULAS: PANTALEN Y LAS VISITADORAS ERIM BROCKOVICH CARACTERSTICAS 1. Esta tcnica consiste en proyectar una pelcula y realizar un FORO sobre la misma. 2. Mostrar con claridad una situacin o el desarrollo de una accin y el impacto emotivo que produce el lenguaje cinematogrfico. 3. Anima a la discusin y ayuda a la comprensin de los contenidos. 4. Ayuda a entender la sociedad, las relaciones de poder, las mentalidades y cuestiones de la vida cotidiana. 5. Ensea a ver las pelculas como algo ms que un simple producto de ocio y consumo. Es decir, genera hbitos de observacin, reflexin, anlisis, comprensin, sntesis, relacin e interpretacin. 6. Posibilita la crtica, la contestacin y el compromiso democrtico. 7. Contribuye a la formacin general mediante la obtencin de conocimientos, habilidades, actitudes (con relacin a deberes y derechos) y valores. 8. Ayuda a observar los asuntos desde diferentes perspectivas y niveles de lectura. 9. Incita a adquirir la aficin al cine (cinefilia) en particular y al conocimiento de la cultura popular y de masas en general. 10. Mirar una pelcula de entrada es una experiencia individual: El objetivo del cine foro es completar esta experiencia individual mediante el dilogo, estimulando la expresin de las emociones suscitadas y las ideas sugeridas. 11. Persigue una reflexin crtica sobre las propias actitudes, valores y creencias: El dilogo de grupo debe ser la va que permita manifestar y contrastar las respectivas posturas personales y, de esta forma, confrontndolas, revisar su validez, descubrir nuevas perspectivas, evidenciar eventuales prejuicios, etc. 12. Los participantes han de tener perfectamente asumido previamente que la actividad no se programa para llenar un vaco, ni como pasatiempo: Han de acudir con una actitud positiva, dispuestos a la reflexin, la escucha y la participacin. PRESENTACIN DE LA PELCULA ACTIVIDAD Pelcula Lugar Equipos audiovisuales Refrigerio Moderador Informe IMPACTO EMOCIONAL PRODUCIDO Se debe alentar la manifestacin y la puesta en comn de las emociones suscitadas por la pelcula: 1. La pelcula est basada en hechos reales? 2. O en alguna obra literaria? 3. En caso afirmativo, busca ms informacin sobre el hecho real o la obra literaria. 4. Crees que la pelcula toma partido sobre el tema tratado o se limita a exponerlo sin pronunciarse? 5. Crees que la postura no es clara, y que la ambigedad se presta a distintas interpretaciones? 26 ENCARGADO OBSERVACIONES

26

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co 6. Resume el argumento de la pelcula. 7. Cules son las circunstancias: lugar, poca...? 8. Clasifica los personajes que aparecen segn los consideres vctimas, responsables de las injusticias, ajenos a los sucesos, ajenos pero responsables por omisin, etc. 9. Qu has sentido al verlo? Intenta hacer una descripcin de las emociones que te ha generado. 10. Crees que esto ocurre en realidad hoy en da? 11. En qu lugares? 12. Por qu razones? 13. Crees que se podra evitar? Cmo? 14. Conoces otras pelculas que traten sobre el mismo tema? 15. Si las has visto, te parece que el tratamiento que se le da y el resultado conseguido es ms afortunado? 16. Crees que pelculas como sta son una buena herramienta de sensibilizacin sobre el tema tratado? 17. Cules son las aplicaciones de la estadstica que aparecen en la pelcula? 18. La utilizacin de la estadstica beneficia a una empresa o a la comunidad? 19. Piensas que los informes estadsticos son claros? 20. Explica las aplicaciones de la estadstica que aparecen en la pelcula. 21. Conoces otras pelculas que presenten aplicaciones de la estadstica? 22. Si las has visto, escribe los ttulos. 23. Sugiere el tema para una pelcula utilizando la estadstica en la ingeniera. 24. Sugiere el tema para una pelcula utilizando la estadstica en nuestra regin. 25. Crees que pelculas como sta son una buena herramienta de complementacin sobre los temas tratados en clase? EL FORO Las modalidades de trabajo grupal posterior a la proyeccin son muchas, vamos a utilizar el FORO: debate con la participacin de todo el grupo que ha asistido a la proyeccin de la pelcula.

27

27

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 13: DISTRIBUCIONES MUESTRALES

CM: 1H CL: 1H TC: 1H L: 1H TE: 2H

DISTRIBUCIN DE MUESTRAS
La distribucin de muestras de un estadstico (En este caso la media) es la presentacin tabular o grfica de las probabilidades de todos los valores de algn estadstico, calculados en muestras del mismo tamao, extradas aleatoriamente de la misma poblacin. El estadstico ms importante es la media por lo que se estudiar en detalle la distribucin de medias de muestras, el anlisis de cualquier otro estadstico sigue el mismo procedimiento.

28 DISTRIBUCIN DE MEDIAS DE MUESTRAS

Se considera una poblacin finita y pequea, esto permitir considerar todas las muestras posibles de algn tamao especfico y utilizar los resultados como base para manejar el caso donde solo se dispondr de una o algunas muestras. Mtodo terico para una poblacin de tamao N (finita y pequea): 1. Se elige el tamao de la muestra n, . 2. Se establecen todas las muestras de tamao n y se calculan sus medias y sus probabilidades tericas correspondientes. 3. Se tabulan y grafican los valores del estadstico versus sus probabilidades correspondientes. EJEMPLO Una distribuidora de autos tiene 5 vendedores, a continuacin se presentan los vendedores y el nmero de autos vendidos el mes anterior. VENDEDOR AUTOS VENDIDOS PEDRO 2 FERNANDO 3 ANTONIO 6 CSAR 8 ROGELIO 9 N: Probabilidad de cada vendedor de ser extrado, p = PARMETROS = 2 = =

MUESTREO CON RESTITUCIN (O REEMPLAZAMIENTO)

n=2 En una urna se colocan balotas con el nombre de cada vendedor Muestra: extraer aleatoriamente una de las balotas de la urna, escribir su valor y devolverla a la urna. Nmero total de muestras = Nn

28

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co Represente las muestras con sus respectivas medias: 2 3 2 6 8 9

29

Probabilidad terica de cada una de las muestras = Distribucin de medias Ordene los valores distintos de las medias y realice una tabla con sus probabilidades correspondientes. P( = 2 = = Realice diagrama de puntos de probabilidad respectiva versus: poblacin original, poblacin de muestras Realice un anlisis comparando los resultados de la distribucin y la poblacin original: 1. Las medias. 2. Las varianzas. 3. Los valores menores y mayores. Realice el mismo ejercicio para n=3.

29

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

MUESTREO SIN RESTITUCIN (O SIN REEMPLAZAMIENTO)

N: Tamao de la poblacin Nmero total de muestras: N n: Tamao de la muestra

Cn

Probabilidad terica de cada una de las muestras = EJEMPLO Una distribuidora de autos tiene 5 vendedores, a continuacin se presentan los vendedores y el nmero de autos vendidos el mes anterior. VENDEDOR AUTOS VENDIDOS PEDRO 2 FERNANDO 3 ANTONIO 6 CSAR 8 ROGELIO 9 N= n=

30

Represente las muestras con sus respectivas medias: n

Probabilidad de cada vendedor de ser extrado, p = Distribucin de medias Ordene los valores distintos de las medias y realice una tabla con sus probabilidades correspondientes. P(

= 2 = =
Realice diagrama de puntos de probabilidad respectiva versus: poblacin original, poblacin de muestras Realice un anlisis comparando los resultados de la distribucin y la poblacin original: 1. Las medias. 2. Las varianzas. 3. Los valores menores y mayores. Realice el mismo ejercicio para n=3.

30

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 14: INFERENCIAS RELATIVAS A MEDIAS

CL: 1H TC: 2H PS: 2H TE: 1H

LECTURAS Y SUSTENTACIN
VER ANEXO 4 1. Sesgo y variabilidad de los estimadores puntuales. 2. Estimacin de intervalos para la media de una poblacin: Caso de muestra grande (n 30). 3. Estimacin de intervalos para la media de una poblacin: Caso de muestra pequea (n 30).

31 SEMANA 15: EJERCICIOS DE APLICACIN Y ACTIVIDADES COMPLEMENTARIAS

CM: 1H CL: 1H TC: 1H PS: 1H TE: 1H CI: 1H DE ACUERDO CON LA SIGUIENTE INFORMACIN, RESPONDA LAS PREGUNTAS El tiempo til de un componente elctrico tiene una media de 2000 horas y desviacin estndar de 200 horas. 1. La probabilidad de que un componente elegido al azar dure entre 2000 y 2400 horas es A. 0,9772 B. 98% C. 0,4772 D. 50% 2. La probabilidad de que un componente elegido al azar dure ms de 2200 horas es A. 0,1587% B. 0,8413% C. 16% D. 84% 3. La probabilidad de que un componente elegido al azar dure menos de 1700 horas es A. 0,0668 B. 0,9332 C. 7 D. 9 4. La probabilidad de que un componente elegido al azar dure entre 1800 y 2300 horas es A. 0,9332 B. 0,1587 C. 0,7745 D. 0,0668

31

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

SEMANA 16: EXAMEN FINAL

EP: 3H PS: 3H

32

32

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

BIBLIOGRAFA BSICA
Miller, Irwin R. Freund, John E. Johnson, Richard. Probabilidad y estadstica para ingenieros. Editorial Prentice Hall Johnson, Robert Kuby Patricia. Estadstica Elemental, lo esencial. Editorial Thomson Kazmier, Leonard Daz, Mata Alfredo. Estadstica aplicada a la administracin y a la economa. Editorial McGrawhill Martnez Bencardino, Ciro. Estadstica Nieves, Antonio Dominguez C. Federico. Probabilidad y esradstica para ingenieros. Editorial McGrawhill

33

33

Estadstica 2 Ingeniera Industrial

elber.alvarez@corhuila.edu.co

ANEXOS
1. 2. 3. 4. Tabla de distribucin binomial. Tabla de distribucin de Poisson. Tabla de distribucin normal. Estimacin puntual y de intervalo.

34

34