Estadística

Estadística
Por: Francisco Alonso Alavez Sosa Grupo: 506

jueves, 12 de marzo de 2015

Teorema de Bayes

El teorema de Bayes parte de una situación en la que es posible conocer las probabilidades de que ocurran una serie de sucesos Ai.
A esta se añade un suceso B cuya ocurrencia proporciona cierta información, porque las probabilidades de ocurrencia de B son distintas según el suceso Ai que haya ocurrido.
Conociendo que ha ocurrido el suceso B, la fórmula del teorema de Bayes nos indica como modifica esta información las probabilidades de los sucesos Ai.
Ejemplo: Si seleccionamos una persona al azar, la probabilidad de que sea diabética es 0,03. Obviamente la probabilidad de que no lo sea es 0,97.
Si no disponemos de información adicional nada más podemos decir, pero supongamos que al realizar un análisis de sangre los niveles de glucosa son superiores a 1.000 mg/l, lo que ocurre en el 95% de los diabéticos y sólo en un 2% de las personas sanas.
¿Cuál será ahora la probabilidad de que esa persona sea diabética?
La respuesta que nos dá el teorema de bayes es que esa información adicional hace que la probabilidad sea ahora 0,595.
Vemos así que la información proporcionada por el análisis de sangre hace pasar, la probabilidad inicial de padecer diabetes de 0,03, a 0,595.
Evidentemente si la prueba del análisis de sangre hubiese sido negativa, esta información modificaría las probabilidades en sentido contrario. En este caso la probabilidad de padecer diabetes se reduciría a 0,0016.

Regla de Multiplicación

De la definición de probabilidad condicional se tienen los siguientes resultados al despejar $P(A\cap B):$


Las relaciones $\left( 1\right) $ y $\left( 2\right) $ son casos especiales de la llamada Regla de la multiplicación, la cual es útil para:
Calcular probabilidades de intersecciones de eventos MATHcon base en probabilidades condicionales.
Esta regla de manera general se puede expresar como:
Sea MATH eventos tales que MATH. Entonces
MATH
Ejemplo
1(Inspección de Lotes)
Un lote contiene $100$ items de los cuales $20$ son defectuosos. Los items son seleccionados uno despues del otro para ver si ellos son defectuosos. Suponga que dos items son seleccionados sin reemplazamiento(Significa que el objeto que se selecciona al azar se deja por fuera del lote). ¿ Cúal es la probabilidad de que los dos items seleccionados sean defectuosos?.
Solución
Sea los eventos
MATH
entonces dos items seleccionados seran defectuosos, cuando ocurre el evento $A_{1}\cap A_{2}$ que es la intersección entre los eventos $A_{1}$ y $A_{2}$. De la información dada se tiene que:
MATH MATH
así probabilidad de que los dos items seleccionados sean defectuosos es
MATH
Ahora suponga que selecciona un tercer item, entonces la probabilidad de que los tres items seleccionados sean defectuosos es
MATH

Regla general de la adición de probabilidades para eventos no mutuamente excluyentes

Si A y B son dos eventos no mutuamente excluyentes (eventos intersecantes), es decir, de modo que ocurra A o bien B o ambos a la vez (al mismo tiempo), entonces se aplica la siguiente regla para calcular dicha probabilidad:
Monografias.com
El espacio muestral (S) corresponde al conjunto universo en la teoría de conjuntos
Ejemplos ilustrativos
1) Sea A el suceso de sacar un As de una baraja estándar de 52 cartas y B sacar una carta con corazón rojo. Calcular la probabilidad de sacar un As o un corazón rojo o ambos en una sola extracción.
Solución:
A y B son sucesos no mutuamente excluyentes porque puede sacarse el as de corazón rojo.
Las probabilidades son:
Monografias.com
Reemplazando los anteriores valores en la regla general de la adición de probabilidades para eventos no mutuamente excluyentes se obtiene:
Monografias.com


lunes, 9 de febrero de 2015

Permutaciones y Combinaciones

Teoría de Conjuntos

La palabra conjunto generalmente la asociamos con la idea de agrupar objetos, por ejemplo un conjunto de discos, de libros, de plantas de cultivo y en otras ocasiones en palabras como hato, rebaño, piara, parcelas, campesinado, familia, etc., es decir la palabra conjunto denota una colección de elementos claramente entre sí, que guardan alguna característica en común. Ya sean números, personas, figuras, ideas y conceptos.
En matemáticas el concepto de conjunto es considerado primitivo y ni se da una definición de este, sino que se trabaja con la notación de colección y agrupamiento de objetos, lo mismo puede decirse que se consideren primitivas las ideas de elemento y pertenencia.
La característica esencial de un conjunto es la de estar bien definido, es decir que dado un objeto particular, determinar si este pertenece o no al conjunto. Por ejemplo si se considera el conjunto de los números dígitos, sabemos que el 3 pertenece al conjunto, pero el 19 no. Por otro lado el conjunto de las bellas obras musicales no es un conjunto bien definido, puesto que diferentes personas puedan incluir distintas obras en el conjunto.
Los objetos que forman un conjunto son llamados miembros o elementos. Por ejemplo el conjunto de las letras de alfabeto; a, b, c, ..., x, y, z. que se puede escribir así:

{ a, b, c, ..., x, y, z}

Como se muestra el conjunto se escribe entre llaves ({}) , o separados por comas (,).

El detallar a todos los elementos de un conjunto entre las llaves, se denomina forma tabular, extensión o enumeración de los elementos.

OPERACIONES CON CONJUNTOS


UNION
La unión de dos conjuntos A y B la denotaremos por A È B y es el conjunto formado por los elementos que pertenecen al menos a uno de ellos ó a los dos. Lo que se denota por:
È B = { x/x Î A ó x Î B }

Ejemplo: Sean los conjuntos A={ 1, 3, 5, 7, 9 } y B={ 10, 11, 12 }
È B ={ 1, 3, 5, 7, 9, 10, 11, 12 }



INTERSECCION
Sean A={ 1, 2, 3, 4, 5, 6, 8, 9 } y B={ 2, 4, 8, 12 }
Los elementos comunes a los dos conjuntos son: { 2, 4, 8 }. A este conjunto se le llama intersección de A y B; y se denota por A Ç B, algebraicamente se escribe así:
A Ç B = { x/x Î A y x Î B }
Y se lee el conjunto de elementos x que están en A y están en B.

Ejemplo:
Sean Q={ a, n, p, y, q, s, r, o, b, k } y P={ l, u, a, o, s, r, b, v, y, z }
Ç P={ a, b, o, r, s, y }




CONJUNTO VACIO
Un conjunto que no tiene elementos es llamado conjunto vacío ó conjunto nulo lo que denotamos por el símbolo Æ .

Por ejemplo:
Sean A={ 2, 4, 6 } y B={ 1, 3, 5, 7 } encontrar A Ç B.
Ç B= { }
El resultado de A Ç B= { } muestra que no hay elementos entre las llaves, si este es el caso se le llamará conjunto vacío ó nulo y se puede representar como:
Ç B=Æ



CONJUNTOS AJENOS
Sí la intersección de dos conjuntos es igual al conjunto vacío, entonces a estos conjuntos les llamaremos conjuntos ajenos, es decir:
Si A Ç B = Æ entonces A y B son ajenos.




COMPLEMENTO
El complemento de un conjunto respecto al universo U es el conjunto de elementos de U que no pertenecen a A y se denota como A' y que se representa por comprehensión como:
A'={ x Î U/x y x Ï A }

Ejemplo:
Sea U = { 1, 2, 3, 4, 5, 6, 7, 8, 9 }
A= { 1, 3, 5, 7, 9 } donde A Ì U
El complemento de A estará dado por:
A'= { 2, 4, 6, 8 }




DIFERENCIA
Sean A y B dos conjuntos. La diferencia de A y B se denota por A-B y es el conjunto de los elementos de A que no están en B y se representa por comprehensión como:
A - B={ x/x Î A ; X Ï B }

Ejemplo:
Sea A= { a, b, c, d } y
B= { a, b, c, g, h, i }
A - B= { d }
En el ejemplo anterior se observa que solo interesan los elementos del conjunto A que no estén en B. Si la operación fuera B - A el resultado es
B – A = { g, h, i }
E indica los elementos que están en B y no en A.

DIAGRAMAS DE VENN
Los diagramas de Venn que de deben al filósofo inglés John Venn (1834-1883) sirven para encontrar relaciones entre conjuntos de manera gráfica mediante dibujos ó diagramas.
La manera de representar el conjunto Universal es un rectángulo, ó bien la hoja de papel con que se trabaje.
Un ejemplo de la representación del conjunto universal se muestra como:


Los conjuntos se representan por medio de dibujos dentro del rectángulo, los aspectos de interés se resaltan sombreando las áreas respectivas. En el caso de este curso las indicaremos por medio de un color azul por ejemplo:


domingo, 23 de noviembre de 2014

Ejemplo

En el estudio de unos árboles, se registraron diferentes datos correspondientes a la altitud a la que se encuentran y a la tasa de respiración que tienen.  Los datos son los siguientes. 

Altitud (x): 90, 230, 240, 260, 330, 400

Tasa de respiración (y): 0.11, 0.20, 0.13, 0.15, 0.18, 0.16

n=6
Σx= 1150Σy=0.93
Σx^2= 455100
Σy^2= 0.1495
(Σx)^2= 2402500
(Σy)^2= 0.8649

Coeficiente R de Pearson


r=249.5 - (1550)(0.93)
                                            6                                         
                                                        455100- 2402500         0.1495- 0.8649
                                                                            6                                6

             r=            9.25                               
√54683.33 √5.35 x10^-3

             r=            9.25                               
                                                                    (233.84)(0.0731)

             r=            9.25                               
                                                                             17.10

r= 0.54        Positiva Moderada


Recta de Regresión y= mx + b

m=             249.5 - (1550)(0.93)            

                               6               

                                                                      455100- 2402500        
                                                                                      6     


m=  9.25           
54683.33

m= 1.69 x10^-4


b= 0.93 - (1.69 x10^-4)(1150)
       6                                   6      

b= 0.155 - 0.044

b= 0.111


y= (1.69 x10^-4)x + 0.111

Regresión y Correlación Lineal 

Regresión 

Técnica que permite cuantificar la relación que puede ser observada cuando se gráfica un diagrama de puntos dispersos correspondientes a dos variables, cuya tendencia general es rectilínea relación que cabe compendiar mediante una ecuación “del mejor ajuste” de la forma: 
y=mx + b





Correlación

El análisis de  la correlación tiene mucho que ver y está enlazado con el análisis de regresión y ambos pueden ser considerados de hecho como dos aspectos de un mismo problema.

La correlación entre dos variables es el grado de asociación entre las mismas. Este es expresado por un único valor llamado coeficiente "R" de Pearson, el cual puede tener valores que se encuentean entre -1 y +1. Cuando “r” es negativo, ello significa que una variable (ya sea “x” o “y”) tiende a decrecer cuando la otra aumenta (se trata entonces de una “correlación negativa”, correspondiente a un valor negativo de “b” en el análisis de regresión). Cuando “r” es positivo, en cambio, esto significa que una variable se incrementa al hacerse mayor la otra (lo cual corresponde a un valor positivo de “b” en el análisis de regresión).



Interpretación del Coeficiente R de Pearson

-1  Correlación negativa grande y perfecta     

-0,9 a -0,99  Correlación negativa muy alta                                 

-0,7 a -0,89  Correlación negativa alta                                       

-0,4 a -0,69  Correlación negativa moderada                            

-0,2 a -0,39  Correlación negativa baja                                    

         -0,01 a -0,19  Correlación negativa muy baja                                       

  0  Correlación nula                                      

0,01 a 0,19  Correlación positiva muy baja                               

0,2 a 0,39  Correlación positiva baja                                     

0,4 a 0,69  Correlación positiva moderada                             

0,7 a 0,89  Correlación positiva alta                                       

0,9 a 0,99  Correlación positiva muy alta                               

1  Correlación positiva grande y perfecta  



domingo, 28 de septiembre de 2014

Gráficas para Tablas Cualitativas

Para representar tablas de tipo cualitativo podemos usar las gráficas de barra o de pastel y las de barras. Es mucho más rápido que las cuantitativas porque no hay que calcular ningún intervalo. 

Para la gráfica de pastel o circular: Podemos aplicar una regla de 3 simple para saber el número de grados que se necesitan para cierta frecuencia. El número total de datos es la suma de todas las frecuencias.  

360° = número total de datos (n)
 x = frecuencia obtenida (f)

x= f * 360°/n
En cada área irá el porcentaje obtenido y en las acotaciones, el dato al que pertenece la frecuencia. 



Para la gráfica de barras: En el eje X irá el nombre de los datos obtenidos. En el eje de las Y se pondrán los valores de las frecuencias.

Formas Gráficas para Representar Tablas Cuantitativas


 



Una vez obtenido el Intervalo de Clase Real, observaremos el límite superior de cada intervalo, ya que de ahí se determinarán valores futuros. 

Obtendremos además una marca de clase (x), que resulta de sumar el límite inferior con el superior y dividir el total entre 2. 

También calcularemos el valor del alcance (C) restando del límite superior el límite inferior de cada intervalo.  

Las frecuencia relativa sigue obteniéndose de la frecuencia entre el número total de datos. 

Las frecuencias acumulativa y acumulativa por porcentajes tendrán de base el límite superior de los intervalos de clase real. 

GRÁFICA CIRCULAR O DE PASTEL 
Al ser un círculo, contamos con 360°, lo que  será el 100 %. Con esta relación obtendremos el área que debe de cubrir cada intervalo. Sí recordamos, en la frecuencia relativa, dividimos las frecuencias entre el total de datos (100%). Por lo tanto, sólo es cuestión de multiplicar la frecuencia relativa por 360° y resultará la cantidad de grados para dicha frecuencia. 

GRÁFICA DE BARRAS
En el eje X acomodaremos los intervalos de clase. En el eje Y corresponderá intervalos razonables para acercarnos a las frecuencias que resultaron. Las barras deben tener cierta separación entre ellas para distinguir que son de otro intervalo. 

HISTOGRAMAS
Un histograma es una representación gráfica de una variable en forma de barras. Se utilizan para variables continuas o para variables discretas, con un gran número de datos, y que se han agrupado en clases. En el eje abscisas se construyen unos rectángulos que tienen por base la amplitud del intervalo, y por altura, la frecuencia absoluta de cada intervalo. La superficie de cada barra es proporcional a la frecuencia de los valores representados. 



FUNCIÓN ESCALÓN
Nos muestra la relación entre las frecuencias acumulativas menores o iguales a la variable y los intervalos de clase real. Gráficamente podemos observar el avance de nuestras frecuencias para cada intervalo.

Tablas de Series de Frecuencias por Intervalos.

x: Variable
FR: Frecuencias relativas
f: Frecuencias
fa: Frecuencias Acumulativas


Para un cierto número de datos en el que existan series, tomando como ejemplo, lanzar un dado en repetidas ocasiones.

Las variables serán los resultados que puedas obtener: 1 2 3 4 5 6
Sí lancé mi dado un total de 89 veces, la suma de las frecuencias de cada variable debe resultar 89.

Las frecuencias relativas están referidas a la probabilidad que se tiene que de aparezca cierta variable. La obtendremos dividiendo la frecuencia de una variable entre el total. Al finalizar, la suma de las frecuencias relativas tiene que resultar 1.00. 

Las frecuencias acumulativas las podemos tener menores o iguales a las de la variable o mayores que la misma. 

Las frecuencias acumulativas menores o iguales (Fa≤), en el caso de la variable 1 del dado, frecuencias que sean del número 1 y menores  a él. Por lo tanto en la variable 2, las frecuencias acumulativas serán las de 2 y menores a 2. 

También está el otro tipo de frecuencia acumulativa, mayores a la variable (Fa>). En ésta, contaremos sólo las frecuencias de las variables mayores a la que tomemos en cuenta. Sí estamos en la variable 1, sumaremos las frecuencias de las variables mayores a 1. 

Las frecuencias acumulativas también se calculan porcentaje Fa%≤ y Fa%>. Se repite exactamente el mismo proceso, sólo que ahora en vez de sumar las frecuencias, se suman las frecuencias relativas. 

Tablas de Frecuencias por Intevalos

1.-Primero se organizan los datosm de menor a mayor. Podemos utilizar un diagrama de tronco y hoja para facilitar el proceso de acomodar la información.                                                                                                                                            2.- Después obtenemos el rango: R=dato mayor - dato menor.
3.- El número de categorías lo obtenemos mediante la "Regla de Sturges".
                                                            m= 1+3.3 log N
Donde N será el número total de datos. 
4.- El intervalo (I) lo conseguimos dividiendo el rango (R) entre el número de Categorías (m).
                                                           I= R/m
*Sí el intervalo resulta exacto, se le puede aumentar una unidad para futuros asjustes. 
5.- Determinamos el nuevo rango: NR=Im. 
Al nuevo rango le restamos el primero para que tengamos uno real. El excedente se repartirá al principio y al final de nuestros intervalos. La mitad para cada uno sí es un número par, si es un número impar, la mayor parte será para el dato mayor. 

6.-En nuestra tabla encontraremos 3 intervalos de clase.

-El primero es el que tiene como rango el total calculado, sin embargo, con éste puede haber ambigüedades al registrar las frecuencias. 

-Por las dudas anteriores, se recorre un número del límite superior hacia la izquierda, es decir, se reduce en una unidad. 

-El tercer dato es llamado Intervalo de Clase Real y en los intervalos, el límite inferior se suma con el superior y se divide entre dos, para tener la clase real.