miércoles, 17 de julio de 2013

modulo 10


República Bolivariana de Venezuela
Ministerio para la Educación Superior
Instituto Universitario en Tecnología
Antonio José de Sucre

















Probabilidad
















integrante:
José escalona
#21055620






Introducción

La probabilidad es un método mediante el cual se obtiene la frecuencia de un suceso determinado mediante la realización de un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables.














probabilidad

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

Experimentos deterministas

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

Ejemplo

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

Experimentos aleatorios

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

Ejemplos

Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz.
Si lanzamos un dado tampoco podemos determinar el resultado que vamos a obtener.
Teoría de probabilidades
La teoría de probabilidades se ocupa de asignar un cierto número a cada posible resultado que pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un suceso es más probable que otro. Con este fin, introduciremos algunas definiciones:

Suceso

Es cada uno de los resultados posibles de una experiencia aleatoria.
Al lanzar una moneda salga cara.
Al lanzar una moneda se obtenga 4.

Espacio muestral

Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo representaremos por E (o bien por la letra griega Ω).
Espacio muestral de una moneda:
E = {C, X}.
Espacio muestral de un dado:
E = {1, 2, 3, 4, 5, 6}.

Suceso aleatorio

Suceso aleatorio es cualquier subconjunto del espacio muestral.
Por ejemplo al tirar un dado un suceso sería que saliera par, otro, obtener múltiplo de 3, y otro, sacar 5.

Ejemplo

Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas. Calcular:
1. El espacio muestral.
E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}
2. El suceso A = {extraer tres bolas del mismo color}.
A = {(b,b,b); (n, n,n)}
3. El suceso B = {extraer al menos una bola blanca}.
B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}
4. El suceso C = {extraer una sola bola negra}.
C = {(b,b,n); (b,n,b); (n,b,b)}

Propiedades de la probabilidad

Axiomas de la probabilidad
1.La probabilidad es positiva y menor o igual que 1.
0 ≤ p(A) ≤ 1
2. La probabilidad del suceso seguro es 1.
p(E) = 1
3.Si A y B son incompatibles, es decir A intersección B = Conjunto vacio entonces:
p(A unión B) = p(A) + p(B)
Propiedades de la probabilidad
1 La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la probabilidad del suceso contrario es:
Probabilidad del suceso contrario
2 Probabilidad del suceso imposible es cero.
Probabilidad del suceso imposible
3 La probabilidad de la unión de dos sucesos es la suma de sus probabilidades restándole la probabilidad de su intersección.
unión
4 Si un suceso está incluido en otro, su probabilidad es menor o igual a la de éste.
unión
5 Si A1, A2, ..., Ak son incompatibles dos a dos entonces:
unión
6 Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn} entonces:
unión
Por ejemplo la probabilidad de sacar par, al tirar un dado, es:
P(par) = P(2) + P(4) + P(6)



Probabilidad condicionada
es la probabilidad de que ocurra un evento A, sabiendo que también sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se lee «la probabilidad de A dado B».
No tiene por qué haber una relación causal o temporal entre A y B. A puede preceder en el tiempo a B, sucederlo o pueden ocurrir simultáneamente. A puede causar B, viceversa o pueden no tener relación causal. Las relaciones causales o temporales son nociones que no pertenecen al ámbito de la probabilidad. Pueden desempeñar un papel o no dependiendo de la interpretación que se le dé a los eventos.
Sean A y B dos sucesos de un mismo espacio muestral E.
Se llama probabilidad del suceso B condicionado a A y se representa por P(B/A) a la probabilidad del suceso B una vez ha ocurrido el A.
condicionada

Ejemplo

Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido par.
condicionada

Sucesos independientes

Dos sucesos A y B son independientes si
p(A/B) = p(A)

Sucesos dependientes

Dos sucesos A y B son dependientes si




Conclusión

Como la probabilidad está ligada a nuestra ignorancia sobre los resultados de la experiencia, el hecho de que ocurra un suceso, puede cambiar la probabilidad de los demás. explorar y realizar pruebas complementarias ilustra este principio.









  Conclusión Final

Con todo lo aprendido, podemos concluir que la estadística es una rama de la matemática que está no se encuentra muy visible en lo cotidiano pero que en realidad es de mucha utilidad para interpretar y ver desde un punto de vista muy general datos que se obtienen. A través de sus gráficas, medidas de tendencia central y de dispersión podemos ver mas claro y concreto un conjunto de datos que se nos hacen muy complicados, en resumen son un verdadero método de ayuda para informar.Mientras que La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables. La teoría de la probabilidad se usa extensamente en áreas como la estadística, la física, la matemática, la ciencia y la filosofía para sacar conclusiones sobre la probabilidad de sucesos potenciales y la mecánica subyacente de sistemas complejos.



modulo 5

República bolivariana de Venezuela
ministerio de educación superior
Instituto Universitario Antonio José de Sucre

 


media de posición

no central








integrante:
jose escalona
#21055620 





Introducción

 con esta podemos determinar los puntos que caracterizan a otros que no son los valores centrales donde se encuentran  Entre las medidas de posición no central más importantes están los cuantiles.






 
Medidas de posición no central
Estas medidas descriptivas permiten ubicar la posición que ocupa un valor dentro de un conjunto de datos, se calcula para variables de tipo cualitativo ordinal y de tipo cuantitativo (discreta y continua), cabe agregar que los resultados se expresan en las mismas unidades de los datos en estudio.

Cuartiles:éstos valores que dividen los datos ordenados en cuatro partes iguales. Existen tres cuartiles, por lo tanto dicha medida hace referencia a un porcentaje de casos por debajo del quartil y otro porcentaje por encima Entre dos percentiles consecutivos cualesquiera se encuentra un 25% ,al 50% y al 75% 1/4 partes de los datos.

ejemplo:

Número impar de datos

2, 5, 3, 6, 7, 4, 9
cuartiles

 

Deciles: son valores que dividen los datos ordenados en diez partes iguales. Existen nueve deciles, dicha medida deja un porcentaje de datos por debajo del decil y otro porcentaje por encima. Entre dos deciles consecutivos cualesquiera se encuentra un 10% o 1/10 partes de los elementos.

ejemplo:
Dadas las series estadísticas:

3, 5, 2, 7, 6, 4, 9.
3, 5, 2, 7, 6, 4, 9, 1.
Calcular:
Los deciles 2º y 7º.

3, 5, 2, 7, 6, 4, 9.
8 · (2/10) = 1.6 D2 = 2
8 · (7/10) = 5.6 D7 = 6

3, 5, 2, 7, 6, 4, 9, 1.
8 · (2/10) = 1.6 D2 = 2
8 · (7/10) = 5.6 D7 = 6
 


Percentiles: son aquellos valores que dividen los datos ordenados en cien partes iguales. Existen noventa y nueve percentiles, dicha medida hace referencia a un porcentaje de casos por debajo del percentil y otros porcentaje por encima. Entre dos percentiles consecutivos cualesquiera se encuentra un 1% o 1/100 partes de los datos.
 

ejemplo

1. Dadas las series estadísticas:
3, 5, 2, 7, 6, 4, 9.
Calcular:
Los percentiles 32 y 85.

3, 5, 2, 7, 6, 4, 9.
7 · (32/100) = 2,2 P32 = 4
7 · (85/100) = 5.9 P85 =




conclusión

con esto podemos decir que  por el método de medida de posición no centrales se puede calcular  los puntos  que caracterizan  un punto hasta cien partes iguales de tal manera que no se busca la medica central por lo principal se busca calcular los cuartiles, deciles y percentiles.

martes, 16 de julio de 2013

modulo 6


República bolivariana de Venezuela
ministerio de educación superior
Instituto Universitario en tecnología
Antonio José de Sucre

  


Medidas de dispersión





integrante:
jose escalona
#2105520 






Introducción

muestran la variabilidad de una distribución, indicando por medio de un número si las diferentes puntuaciones de una variable están muy alejadas de la mediana media. Cuanto mayor sea a ese valor, mayor será la variabilidad.






Medidas de dispersión
Las medidas de dispersión, también llamadas medidas de variabilidad, muestran la variabilidad de una distribución, indicando por medio de un número, si las diferentes puntuaciones de una variable están muy alejadas de la mediana media. Cuanto mayor sea ese valor, mayor será la variabilidad, cuanto menor sea, más homogénea será a la mediana media. Así se sabe si todos los casos son parecidos o varían mucho entre ellos.
Para calcular la variabilidad que una distribución tiene respecto de su media, se calcula la media de las desviaciones de las puntuaciones respecto a la media aritmética. Pero la suma de las desviaciones es siempre cero, así que se adoptan dos clases de estrategias para salvar este problema. Una es tomando las desviaciones en valor absoluto (Desviación media) y otra es tomando las desviaciones al cuadrado (Varianza).
 
Rango 
Rango estadístico

El rango o recorrido estadístico es la diferencia entre el valor máximo y el valor mínimo en un grupo de números aleatorios. Se le suele simbolizar con R.
Requisitos del rango
  • Ordenamos los números según su tamaño.
  • Restamos el valor mínimo del valor máximo
Rango = {(Max - Min)}
Ejemplo
Para una muestra (8,7,6,9,4,5), el dato menor es 4 y el dato mayor es 9 (Valor unitario inmediatamente posterior al dato mayor menos el dato menor). Sus valores se encuentran en un rango de:
Rango = (9-4) = 5
Medio rango o Rango medio
El medio rango o rango medio de un conjunto de valores numéricos es la media del mayor y menor valor, o la tercera parte del camino entre el dato de menor valor y el dato de mayor valor. En consecuencia, el medio rango es:
medioRango = \frac{\ (Max + Min)}{2}
Ejemplo
Para una muestra de valores (3, 3, 5, 6, 8), el dato de menor valor Min= 3 y el dato de mayor valor Max= 8. El medio rango resolviéndolo mediante la correspondiente fórmula sería:
medioRango = \frac{\ (3 + 8)}{2} = 5.5

desviación media
  
En estadística la desviación absoluta promedio o, sencillamente desviación media o promedio de un conjunto de datos es la media de las desviaciones absolutas y es un resumen de la dispersión de estadística. Se expresa, de acuerdo a esta fórmula:
Dm = |x - x|


La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto a la media.
La desviación media se representa por signo
desviación mediadesviación media

La desviación absoluta respecto a la media, D_m, la desviación absoluta respecto a la mediana, DM, y la desviación típica,  \sigma , de un mismo conjunto de valores cumplen la desigualdad:
D_M \leq D_m \leq \sigma
Siempre ocurre que
0 \leq D_m \leq \frac{1}{2} Rango
donde el Rango es igual a:
Rango = \text{valor máximo} - \text{valor mínimo}
El valor:
\, D_m = 0
ocurre cuando los datos son exactamente iguales e iguales a la media aritmética. Por otro lado:
D_m = \frac{1}{2} Rango
cuando solo hay dos valores en el conjunto de datos.

Ejemplo
Calcular la desviación media de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
media
desviación media
 

 Varianza

La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media de una distribución estadística.
La varianza se representa por signo.
varianzavarianza

Varianza para datos agrupados

varianzavarianza

Propiedades de la varianza
1 La varianza será siempre un valor positivo o cero, en el caso de que las puntuaciones sean iguales.
2 Si a todos los valores de la variable se les suma un número la varianza no varía.
3 Si todos los valores de la variable se multiplican por un número la varianza queda multiplicada por el cuadrado de dicho número.
4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas se puede calcular la varianza total.
Si todas las muestras tienen el mismo tamaño:
varianzas
Si las muestras tienen distinto tamaño:
varianzas
 ejemplo
calcular la varianza de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
media
varianza

desviación típica

La desviación típica es la raíz cuadrada de la varianza.
Es decir, la raíz cuadrada de la media de los cuadrados de las puntuaciones de desviación.
La desviación típica se representa por σ.
de relación típicadesviación

Desviación típica para datos agrupados

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

ejemplo
Calcular la desviación típica de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
media






Desviación típica




modulo 4

República bolivariana de Venezuela
ministerio de Educación superior
Instituto Universitario en tecnología
Antonio Jose de Sucre

 

 

 

medida de tendencia

 central

 





Integrante
 jose escalona
#21055620


 

 

 

 

 

       

Introducción


Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro de la distribución de datos independientemente de que ésta esté más o menos centrada, se habla de estas medidas


Se debe tener en cuenta que existen variables cualitativas y variables cuantitativas, por lo que las medidas de posición o medidas de tendencia se usan de acuerdo al tipo de variable que se está observando, en este caso se observan variables cuantitativas.








Medidas de tendencia central

Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro de la distribución de datos se denomina medida o parámetro de tendencia central o de centralización. Cuando se hace referencia únicamente a la posición de estos parámetros dentro de la distribución, independientemente de que ésta esté más o menos centrada, se habla de estas medidas como medidas de posición. En este caso se incluyen también los cuartiles entre estas medidas.
Entre las medidas de tendencia central tenemos:
  • Media                                   
  • Media ponderada
  • Media geométrica  
  • Media armónica     
  • Mediana                   
  • moda
Se debe tener en cuenta que existen variables cualitativas y variables cuantitativas, por lo que las medidas de posición o medidas de tendencia se usan de acuerdo al tipo de variable que se está observando, en este caso se observan variables cuantitativas.


Moda
La moda es el valor que tiene mayor frecuencia absoluta.
Se representa por Mo.
Se puede hallar la moda para variables cualitativas y cuantitativas.
Hallar la moda de la distribución:
ejemplo
2, 3, 3, 4, 4, 4, 5, 5 Mo= 4
Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa frecuencia es la máxima, la distribución es bimodal o multimodal, es decir, tiene varias modas.
 ejemplo
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9Mo= 1, 5, 9

Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, no hay moda.
ejemplo
2, 2, 3, 3, 6, 6, 9, 9
Si dos puntuaciones adyacentes tienen la frecuencia máxima, la moda es el promedio de las dos puntuaciones adyacentes.
ejemplo
0, 1, 3, 3, 5, 5, 7, 8Mo = 4


Mediana
Es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados de menor a mayor.
La mediana se representa por Me.
La mediana se puede hallar sólo para variables cuantitativas.
Cálculo de la mediana
1.    Ordenamos los datos de menor a mayor.
2.    Si la serie tiene un número impar de medidas la mediana es la puntuación central de la misma.
ejemplo

                                                    2, 3, 4, 4, 5, 5, 5, 6, 6Me= 5

3 Si la serie tiene un número par de puntuaciones la mediana es la media entre las dos puntuaciones centrales.
ejemplo
                                                     7, 8, 9, 10, 11, 12Me= 9.5
 

Media aritmética

La media aritmética es el valor obtenido al sumar todos los datos y dividir el resultado entre el número total de datos.

es el símbolo de la media aritmética.

 





Ejemplo

Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Hallar el peso medio.







Media aritmetica ponderada
La media ponderada es una medida de tendencia central, que es apropiada cuando en un conjunto de datos cada uno de ellos tiene una importancia relativa (o peso) respecto de los demás datos. Se obtiene del cociente entre la suma de los productos de cada dato por su peso o ponderación y la suma de los pesos.

Para una serie de datos no vacía

a la que corresponden los pesos

la media ponderada se calcula de la siguiente manera

Un ejemplo es la obtención de la media ponderada de las notas en la que se asigna distinta importancia (peso) a cada una de las pruebas de que consta el examen. Así, se multiplicaría cada nota por su correspondiente peso y el resultado obtenido se divide entre la suma de los pesos asignados.

Ejemplo:

Datos:

Pesos:

Media Ponderada:



Media aritmetica simple
La media aritmética o promedio simple (X) muestra el valor central de los datos constituyendo ser la medida de ubicación que más se utiliza. En general, es calculada sumando los valores de interés y dividiendo entre el número de valores sumados

Datos No Agrupados
La media aritmética (X), de una cantidad finita de números (X1, X2, X3....Xn), es igual a la
suma de todos ellos dividida entre el número de sumandos (n). Simbólicamente se expresa
así
X= (x1+x2+x3+x4+…..+xn)
                  n

Datos Agrupados
La fórmula correspondiente para su cálculo es la siguiente:

X= F1X1+F2X2+F3X3+…..+FnXn

              F1+F2+F3+…+Fn


media geométrica
En matematica y estadistica la media geométrica de una cantidad arbitraria de números (por decir n números) es la raiz n-ésima del producto de todos los números, es recomendada para datos de progresión geométrica, para promediar razones, interés compuesto y números índices.


Por ejemplo, la media geométrica de 2 y 18 es


Otro ejemplo, la media de 1, 3 y 9 sería
 



Media cuadratica
es una medida estadística de la magnitud de una cantidad variable. Puede calcularse para una serie de valores discretos o para una función de variable continua. El nombre deriva del hecho de que es la raíz cuadrada de la media aritmética de los cuadrados de los valores.

A veces la variable toma valores positivos y negativos, como ocurre, por ejemplo, en los errores de medida. En tal caso se puede estar interesado en obtener un promedio que no recoja los efectos del signo. Este problema se resuelve, mediante la denominada media cuadrática. Consiste en elevar al cuadrado todas las observaciones (así los signos negativos desaparecen), en obtener después su media aritmética y en extraer, finalmente, la raíz cuadrada de dicha media para volver a la unidad de medida original.
La media cuadrática para una colección de N valores {x1, x2, ... , xN} de una variabla discreta x1 viene dada por la fórmula (1):


 


Media armónica
La media armónica, denominada H, de una cantidad finita de números es igual al reciproco. o inverso, de la media aritmetica de los recíprocos de dichos valores y es recomendada para promediar velocidades.
Así, dados n números x1, x2, ... , xn la media armónica será igual a:




{H} = {n \over { \sum_{i=1}^n{1 \over x_i}}} = {n \over ({1 \over x_1}+\cdots+{1 \over x_n})}