Omitir e ir al contenidoIr a la página de accesibilidadMenú de atajos de teclado
Logo de OpenStax

Menú
Índice
  1. Prefacio
  2. 1 Muestreo y datos
    1. Introducción
    2. 1.1 Definiciones de estadística, probabilidad y términos clave
    3. 1.2 Datos, muestreo y variación de datos y muestreo
    4. 1.3 Niveles de medición
    5. 1.4 Diseño experimental y ética
    6. Términos clave
    7. Repaso del capítulo
    8. Tarea para la casa
    9. Referencias
    10. Soluciones
  3. 2 Estadística descriptiva
    1. Introducción
    2. 2.1 Datos mostrados
    3. 2.2 Medidas de la ubicación de los datos
    4. 2.3 Medidas del centro de los datos
    5. 2.4 Notación sigma y cálculo de la media aritmética
    6. 2.5 Media geométrica
    7. 2.6 Distorsión y media, mediana y moda
    8. 2.7 Medidas de la dispersión de los datos
    9. Términos clave
    10. Repaso del capítulo
    11. Repaso de fórmulas
    12. Práctica
    13. Tarea para la casa
    14. Resúmalo todo: tarea para la casa
    15. Referencias
    16. Soluciones
  4. 3 Temas de probabilidad
    1. Introducción
    2. 3.1 Terminología
    3. 3.2 Eventos mutuamente excluyentes e independientes
    4. 3.3 Dos reglas básicas de la probabilidad
    5. 3.4 Tablas de contingencia y árboles de probabilidad
    6. 3.5 Diagramas de Venn
    7. Términos clave
    8. Repaso del capítulo
    9. Repaso de fórmulas
    10. Práctica
    11. Uniéndolo todo: Práctica
    12. Tarea para la casa
    13. Resúmalo todo: tarea para la casa
    14. Referencias
    15. Soluciones
  5. 4 Variables aleatorias discretas
    1. Introducción
    2. 4.1 Distribución hipergeométrica
    3. 4.2 Distribución binomial
    4. 4.3 Distribución geométrica
    5. 4.4 Distribución de Poisson
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  6. 5 Variables aleatorias continuas
    1. Introducción
    2. 5.1 Propiedades de las funciones de densidad de probabilidad continuas
    3. 5.2 La distribución uniforme
    4. 5.3 La distribución exponencial
    5. Términos clave
    6. Repaso del capítulo
    7. Repaso de fórmulas
    8. Práctica
    9. Tarea para la casa
    10. Referencias
    11. Soluciones
  7. 6 La distribución normal
    1. Introducción
    2. 6.1 La distribución normal estándar
    3. 6.2 Uso de la distribución normal
    4. 6.3 Estimación de la binomial con la distribución normal
    5. Términos clave
    6. Repaso del capítulo
    7. Repaso de fórmulas
    8. Práctica
    9. Tarea para la casa
    10. Referencias
    11. Soluciones
  8. 7 El teorema del límite central
    1. Introducción
    2. 7.1 Teorema del límite central de las medias muestrales
    3. 7.2 Uso del teorema del límite central
    4. 7.3 Teorema del límite central de las proporciones
    5. 7.4 Factor de corrección de población finita
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  9. 8 Intervalos de confianza
    1. Introducción
    2. 8.1 Un intervalo de confianza para una desviación típica de la población, con un tamaño de muestra conocido o grande
    3. 8.2 Un intervalo de confianza para una desviación típica de población desconocida, caso de una muestra pequeña
    4. 8.3 Un intervalo de confianza para una proporción de población
    5. 8.4 Cálculo del tamaño de la muestra n: variables aleatorias continuas y binarias
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  10. 9 Pruebas de hipótesis con una muestra
    1. Introducción
    2. 9.1 Hipótesis nula y alternativa
    3. 9.2 Resultados y errores de tipo I y II
    4. 9.3 Distribución necesaria para la comprobación de la hipótesis
    5. 9.4 Ejemplos de pruebas de hipótesis completas
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  11. 10 Pruebas de hipótesis con dos muestras
    1. Introducción
    2. 10.1 Comparación de las medias de dos poblaciones independientes
    3. 10.2 Criterios de Cohen para efectos de tamaño pequeño, mediano y grande
    4. 10.3 Prueba de diferencias de medias: suponer varianzas de población iguales
    5. 10.4 Comparación de dos proporciones de población independientes
    6. 10.5 Dos medias poblacionales con desviaciones típicas conocidas
    7. 10.6 Muestras coincidentes o emparejadas
    8. Términos clave
    9. Repaso del capítulo
    10. Repaso de fórmulas
    11. Práctica
    12. Tarea para la casa
    13. Resúmalo todo: tarea para la casa
    14. Referencias
    15. Soluciones
  12. 11 La distribución chi-cuadrado
    1. Introducción
    2. 11.1 Datos sobre la distribución chi-cuadrado
    3. 11.2 Prueba de una sola varianza
    4. 11.3 Prueba de bondad de ajuste
    5. 11.4 Prueba de independencia
    6. 11.5 Prueba de homogeneidad
    7. 11.6 Comparación de las pruebas chi-cuadrado
    8. Términos clave
    9. Repaso del capítulo
    10. Repaso de fórmulas
    11. Práctica
    12. Tarea para la casa
    13. Resúmalo todo: tarea para la casa
    14. Referencias
    15. Soluciones
  13. 12 La distribución F y el anova de una vía
    1. Introducción
    2. 12.1 Prueba de dos varianzas
    3. 12.2 ANOVA de una vía
    4. 12.3 La distribución F y el cociente F
    5. 12.4 Datos sobre la distribución F
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  14. 13 Regresión lineal y correlación
    1. Introducción
    2. 13.1 El coeficiente de correlación r
    3. 13.2 Comprobación de la importancia del coeficiente de correlación
    4. 13.3 Ecuaciones lineales
    5. 13.4 La ecuación de regresión
    6. 13.5 Interpretación de los coeficientes de regresión: elasticidad y transformación logarítmica
    7. 13.6 Predicción con una ecuación de regresión
    8. 13.7 Cómo utilizar Microsoft Excel® para el análisis de regresión
    9. Términos clave
    10. Repaso del capítulo
    11. Práctica
    12. Soluciones
  15. A Cuadros estadísticos
  16. B Oraciones, símbolos y fórmulas matemáticas
  17. Índice

La probabilidad es una medida asociada a la certeza de los resultados de un determinado experimento o actividad. Un experimento es una operación planificada que se realiza en condiciones controladas. Si el resultado no está predeterminado, se dice que el experimento es fortuito. Lanzar una moneda imparcial dos veces es un ejemplo de experimento.

El producto de un experimento se llama resultado. El espacio muestral de un experimento es el conjunto de todos los resultados posibles. Tres formas de representar un espacio muestral son: hacer una lista de los posibles resultados, crear un diagrama de árbol o crear un diagrama de Venn. La letra S mayúscula se utiliza para denotar el espacio muestral. Por ejemplo, si se lanza una moneda imparcial, S = {H, T} donde H = cara y T = cruz son los resultados.

Un evento es cualquier combinación de resultados. Las letras mayúsculas como A y B representan eventos. Por ejemplo, si el experimento consiste en lanzar una moneda imparcial, el evento A podría obtener como máximo una cara. La probabilidad de un evento A se escribe P(A).

La probabilidad de cualquier resultado es la frecuencia relativa a largo plazo de ese resultado. Las probabilidades están comprendidas entre el cero y el uno, ambos inclusive (es decir, el cero y el uno y todos los números entre estos valores). P(A) = 0 significa que el evento A no puede ocurrir nunca. P(A) = 1 significa que el evento A siempre ocurre. P(A) = 0,5 significa que el evento A tiene la misma probabilidad de ocurrir que de no ocurrir. Por ejemplo, si se lanza una moneda imparcial repetidamente (de 20 a 2.000 a 20.000 veces) la frecuencia relativa de caras se acerca a 0,5 (la probabilidad de cara).

Igual de probable significa que cada resultado de un experimento ocurre con igual probabilidad. Por ejemplo, si se lanza un dado imparcial de seis lados, cada lado (1, 2, 3, 4, 5 o 6) tiene la misma probabilidad de caer que cualquier otro. Si se lanza una moneda imparcial, hay la misma probabilidad de que salga cara (H) que de que salga cruz (T). Si estima al azar la respuesta a una pregunta de verdadero-falso en un examen, tiene la misma probabilidad de seleccionar una respuesta correcta o una incorrecta.

Para calcular la probabilidad de un evento A cuando todos los resultados del espacio muestral son igualmente probables, cuente el número de resultados del evento A y divídalo entre el número total de resultados del espacio muestral. Por ejemplo, si se lanza una moneda imparcial de diez centavos y una moneda justa de cinco centavos, el espacio muestral es {HH, TH, HT, TT} donde T = cruz y H = cara. El espacio muestral tiene cuatro resultados. A = obtener una cara. Hay dos resultados que cumplen esta condición {HT, TH}, por lo que P(A) = 2 4 2 4 = 0,5.

Supongamos que lanza un dado imparcial de seis lados, con los números {1, 2, 3, 4, 5, 6} en sus lados. Supongamos que el evento E = lanzar un número que sea al menos cinco. Hay dos resultados {5, 6}. P(E) = 2 6 2 6 . Si lanzara el dado solo unas pocas veces, no se sorprendería si los resultados observados no coinciden con la probabilidad. Si se lanzara el dado un gran número de veces, se esperaría eso, en general, 2626 de las lanzadas daría un resultado de “al menos cinco”. No se puede esperar exactamente 2626. La frecuencia relativa a largo plazo de obtener este resultado se acerca a la probabilidad teórica de 2626 a medida que el número de repeticiones aumenta.

Esta importante característica de los experimentos probabilísticos se conoce como la ley de los grandes números, que establece que, a medida que aumenta el número de repeticiones de un experimento, la frecuencia relativa obtenida tiende a acercarse cada vez más a la probabilidad teórica. Aunque los resultados no se produzcan según un patrón u orden determinado, en general, la frecuencia relativa observada a largo plazo se acerca a la probabilidad teórica (a menudo se utiliza la palabra empírica en vez de la palabra observado).

Es importante darse cuenta de que, en muchas situaciones, los resultados no son igualmente probables. Una moneda o un dado pueden ser desiguales o sesgados. Dos profesores de Matemáticas de Europa hicieron que sus estudiantes de Estadística probaran la moneda belga de un euro y descubrieron que, en 250 ensayos, se obtenía una cara el 56 % de las veces y una cruz el 44 %. Los datos parecen mostrar que la moneda no es imparcial; más repeticiones serían útiles para obtener una conclusión más precisa sobre dicho sesgo. Algunos dados pueden estar sesgados. Observe los dados de un juego que tenga en casa; los puntos de cada lado suelen ser pequeños agujeros tallados y luego pintados para que sean visibles. Sus dados pueden o no estar sesgados; es posible que los resultados se vean afectados por las ligeras diferencias de peso debido al diferente número de agujeros en las caras. Los casinos ganan mucho dinero dependiendo de los resultados de los dados, por lo que los dados de los casinos se fabrican de forma diferente para eliminar el sesgo. Los dados de casino tienen lados planos; los agujeros se rellenan completamente con pintura de la misma densidad que el material del que están hechos los dados, de modo que cada cara tiene la misma probabilidad de ocurrir. Más adelante aprenderemos técnicas para trabajar con probabilidades para eventos que no son igualmente probables.

"” Evento: La UniónUn resultado es en el caso A B si el resultado está en A o está en B o está tanto en A como en B. Por ejemplo, supongamos que A = {1, 2, 3, 4, 5} y B = {4, 5, 6, 7, 8}. A B = {1, 2, 3, 4, 5, 6, 7, 8}. Observe que el 4 y el 5 NO aparecen dos veces en la lista.

"” Evento: La intersecciónUn resultado es en el caso A B si el resultado está en A y B al mismo tiempo. Por ejemplo, que A y B sean {1, 2, 3, 4, 5} y {4, 5, 6, 7, 8}, respectivamente. Entonces A B = {4, 5}.

El complemento del evento A se denomina A′ (léase “A prima”). A′ consiste en todos los resultados que NO están en A. Observe que P(A) + P(A′) = 1. Por ejemplo, supongamos que S = {1, 2, 3, 4, 5, 6} y que A = {1, 2, 3, 4}. Entonces, A′ = {5, 6}. P(A) = 4646, P(A′) = 2626 y P(A) + P(A′) = 4 6 + 2 6 4 6 + 2 6 = 1

La probabilidad condicional de A dada B se escribe P(A||B). P(A||B) es la probabilidad de que ocurra el evento A dado que el evento B ya ha ocurrido. Un condicional reduce el espacio muestral. Calculamos la probabilidad de A a partir del espacio muestral reducido B. La fórmula para calcular P(A||B) es P(A||B) = P(AB) P(B) P(AB) P(B) donde P(B) es mayor que cero.

Por ejemplo, supongamos que lanzamos un dado imparcial de seis lados. El espacio muestral S = {1, 2, 3, 4, 5, 6}. Supongamos que A = el lado es 2 o 3 y B = el lado es par (2, 4, 6). Para calcular P(A||B), contamos el número de resultados 2 o 3 en el espacio muestral B = {2, 4, 6}. Luego lo dividimos entre el número de resultados B (en vez de S).

Obtenemos el mismo resultado utilizando la fórmula. Recuerde que S tiene seis resultados.

P(A||B) = P(AB) P(B) = (el número de resultados que son 2 o 3 o par en S) 6 (el número de resultados que son pares en S) 6 = 1 6 3 6 = 1 3 P(AB) P(B) = (el número de resultados que son 2 o 3 o par en S) 6 (el número de resultados que son pares en S) 6 = 1 6 3 6 = 1 3

PosibilidadLas probabilidades de un evento presentan la probabilidad como un cociente entre el éxito y el fracaso. Esto es común en varios formatos de juego. Matemáticamente, la posibilidad de un evento se define como:

P(A) 1P(A) P(A) 1P(A)

donde P(A) es la probabilidad de éxito y, por supuesto, 1 − P(A) es la probabilidad de fracaso. La posibilidad se expresa siempre como "numerador a denominador", por ejemplo: 2 a 1. En este caso, la probabilidad de ganar es el doble de la de perder; por ende, la probabilidad de ganar es de 0,66. Un 0,60 en la probabilidad de ganar generaría la posibilidad a favor de ganar de 3 a 2. Aunque el cálculo de la posibilidad pudiera servir en los locales de juegos de azar para determinar el monto del pago, es inútil para entender ni la probabilidad ni la teoría estadística.

Entender la terminología y los símbolosEs importante leer detenidamente cada problema para reflexionar y comprender los eventos. Entender el enunciado es el primer paso muy importante para resolver problemas de probabilidad. Vuelva a leer el problema varias veces si es necesario. Identifique claramente el evento de interés. Determine si hay una condición establecida en el enunciado que indique que la probabilidad es condicional; identifique cuidadosamente la condición, si la hay.

Ejemplo 3.1

Translation missing: es.problem

El espacio muestral S son los números enteros a partir de uno y menores de 20.

  1. S = _____________________________

    Supongamos que el evento A = los números pares y el evento B = los números mayores de 13.

  2. A = _____________________, B = _____________________
  3. P(A) = _____________, P(B) = ________________
  4. A B = ____________________, A O B = ________________
  5. P(A B) = _________, P(A B) = _____________
  6. A′ = _____________, P(A′) = _____________
  7. P(A) + P(A′) = ____________
  8. P(A||B) = ___________, P(B||A) = _____________; ¿las probabilidades son iguales?

Inténtelo 3.1

El espacio muestral S son todos los pares ordenados de dos números enteros, el primero de uno a tres y el segundo de uno a cuatro (ejemplo: (1, 4)).

  1. S = _____________________________

    Supongamos que el evento A = la suma es par y el evento B = el primer número es primo.
  2. A = _____________________, B = _____________________
  3. P(A) = _____________, P(B) = ________________
  4. A B = ____________________, A B = ________________
  5. P(A B) = _________, P(A B) = _____________
  6. B′ = _____________, P(B′) = _____________
  7. P(A) + P(A′) = ____________
  8. P(A||B) = ___________, P(B||A) = _____________; ¿las probabilidades son iguales?

Ejemplo 3.2

Translation missing: es.problem

Se lanza un dado imparcial de seis lados. Describa el espacio muestral S, identifique cada uno de los siguientes eventos con un subconjunto de S y calcule su probabilidad (un resultado es el número de puntos que aparecen).

  1. Evento T = el resultado es dos.
  2. Evento A = el resultado es un número par.
  3. Evento B = el resultado es inferior a cuatro.
  4. El complemento de A.
  5. A || B
  6. B || A
  7. A B
  8. A B
  9. A B′
  10. Evento N = el resultado es un número primo.
  11. Evento I = el resultado es siete.

Ejemplo 3.3

La Tabla 3.1 describe la distribución de una muestra aleatoria S de 100 personas, organizada por sexo y por si son diestras o zurdas.

Diestro Zurdo
Hombres 43 9
Mujeres 44 4
Tabla 3.1

Translation missing: es.problem

Denotamos los eventos M = el sujeto es hombre, F = el sujeto es mujer, R = el sujeto es diestro, L = el sujeto es zurdo. Calcule las siguientes probabilidades:

  1. P(M)
  2. P(F)
  3. P(R)
  4. P(L)
  5. P(M R)
  6. P(F L)
  7. P(M F)
  8. P(M R)
  9. P(F L)
  10. P(M')
  11. P(R||M)
  12. P(F||L)
  13. P(L||F)
Solicitar una copia impresa

As an Amazon Associate we earn from qualifying purchases.

Cita/Atribución

¿Desea citar, compartir o modificar este libro? Este libro utiliza la Creative Commons Attribution License y debe atribuir a OpenStax.

Información de atribución
  • Si redistribuye todo o parte de este libro en formato impreso, debe incluir en cada página física la siguiente atribución:
    Acceso gratis en https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica-empresarial/pages/1-introduccion
  • Si redistribuye todo o parte de este libro en formato digital, debe incluir en cada vista de la página digital la siguiente atribución:
    Acceso gratuito en https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica-empresarial/pages/1-introduccion
Información sobre citas

© 28 ene. 2022 OpenStax. El contenido de los libros de texto que produce OpenStax tiene una licencia de Creative Commons Attribution License . El nombre de OpenStax, el logotipo de OpenStax, las portadas de libros de OpenStax, el nombre de OpenStax CNX y el logotipo de OpenStax CNX no están sujetos a la licencia de Creative Commons y no se pueden reproducir sin el previo y expreso consentimiento por escrito de Rice University.