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

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 Frecuencia, tablas de frecuencia y niveles de medición
    5. 1.4 Diseño experimental y ética
    6. 1.5 Experimento de recopilación de datos
    7. 1.6 Experimento de muestreo
    8. Términos clave
    9. Repaso del capítulo
    10. Práctica
    11. Tarea para la casa
    12. Resúmalo todo: tarea para la casa
    13. Referencias
    14. Soluciones
  3. 2 Estadística descriptiva
    1. Introducción
    2. 2.1 Gráficos de tallo y hoja (gráfico de tallo), gráficos de líneas y gráficos de barras
    3. 2.2 Histogramas, polígonos de frecuencia y gráficos de series temporales
    4. 2.3 Medidas de la ubicación de los datos
    5. 2.4 Diagramas de caja
    6. 2.5 Medidas del centro de los datos
    7. 2.6 Distorsión y media, mediana y moda
    8. 2.7 Medidas de la dispersión de los datos
    9. 2.8 Estadística descriptiva
    10. Términos clave
    11. Repaso del capítulo
    12. Repaso de fórmulas
    13. Práctica
    14. Tarea para la casa
    15. Resúmalo todo: tarea para la casa
    16. Referencias
    17. 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
    6. 3.5 Diagramas de árbol y de Venn
    7. 3.6 Temas de probabilidad
    8. Términos clave
    9. Repaso del capítulo
    10. Repaso de fórmulas
    11. Práctica
    12. Uniéndolo todo: Práctica
    13. Tarea para la casa
    14. Resúmalo todo: tarea para la casa
    15. Referencias
    16. Soluciones
  5. 4 Variables aleatorias discretas
    1. Introducción
    2. 4.1 Función de Distribución de Probabilidad (PDF) para una variable aleatoria discreta
    3. 4.2 Media o valor esperado y desviación típica
    4. 4.3 Distribución binomial
    5. 4.4 Distribución geométrica
    6. 4.5 Distribución hipergeométrica
    7. 4.6 Distribución de Poisson
    8. 4.7 Distribución discreta (experimento con cartas)
    9. 4.8 Distribución discreta (experimento de los dados de la suerte)
    10. Términos clave
    11. Repaso del capítulo
    12. Repaso de fórmulas
    13. Práctica
    14. Tarea para la casa
    15. Referencias
    16. Soluciones
  6. 5 Variables aleatorias continuas
    1. Introducción
    2. 5.1 Funciones de probabilidad continuas
    3. 5.2 La distribución uniforme
    4. 5.3 La distribución exponencial
    5. 5.4 Distribución continua
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. 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 Distribución normal (tiempos de vuelta)
    5. 6.4 Distribución normal (longitud del meñique)
    6. Términos clave
    7. Repaso del capítulo
    8. Repaso de fórmulas
    9. Práctica
    10. Tarea para la casa
    11. Referencias
    12. Soluciones
  8. 7 El teorema del límite central
    1. Introducción
    2. 7.1 Teorema del límite central de medias muestrales (promedios)
    3. 7.2 El teorema del límite central para las sumas
    4. 7.3 Uso del teorema del límite central
    5. 7.4 Teorema del límite central (monedas en el bolsillo)
    6. 7.5 Teorema del límite central (recetas de galletas)
    7. Términos clave
    8. Repaso del capítulo
    9. Repaso de fórmulas
    10. Práctica
    11. Tarea para la casa
    12. Referencias
    13. Soluciones
  9. 8 Intervalos de confianza
    1. Introducción
    2. 8.1 La media de una población utilizando la distribución normal
    3. 8.2 La media de una población utilizando la distribución t de Student
    4. 8.3 Una proporción de la población
    5. 8.4 Intervalo de confianza (costos de hogares)
    6. 8.5 Intervalo de confianza (lugar de nacimiento)
    7. 8.6 Intervalo de confianza (altura de las mujeres)
    8. Términos clave
    9. Repaso del capítulo
    10. Repaso de fórmulas
    11. Práctica
    12. Tarea para la casa
    13. Referencias
    14. 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 Eventos poco comunes, la muestra, decisión y conclusión
    6. 9.5 Información adicional y ejemplos de pruebas de hipótesis completas
    7. 9.6 Pruebas de hipótesis de una sola media y una sola proporción
    8. Términos clave
    9. Repaso del capítulo
    10. Repaso de fórmulas
    11. Práctica
    12. Tarea para la casa
    13. Referencias
    14. Soluciones
  11. 10 Pruebas de hipótesis con dos muestras
    1. Introducción
    2. 10.1 Medias de dos poblaciones con desviaciones típicas desconocidas
    3. 10.2 Dos medias poblacionales con desviaciones típicas conocidas
    4. 10.3 Comparación de dos proporciones de población independientes
    5. 10.4 Muestras coincidentes o emparejadas
    6. 10.5 Prueba de hipótesis para dos medias y dos proporciones
    7. Términos clave
    8. Repaso del capítulo
    9. Repaso de fórmulas
    10. Práctica
    11. Tarea para la casa
    12. Resúmalo todo: tarea para la casa
    13. Referencias
    14. Soluciones
  12. 11 La distribución chi-cuadrado
    1. Introducción
    2. 11.1 Datos sobre la distribución chi-cuadrado
    3. 11.2 Prueba de bondad de ajuste
    4. 11.3 Prueba de independencia
    5. 11.4 Prueba de homogeneidad
    6. 11.5 Comparación de las pruebas chi-cuadrado
    7. 11.6 Prueba de una sola varianza
    8. 11.7 Laboratorio 1: Bondad de ajuste de chi-cuadrado
    9. 11.8 Laboratorio 2: prueba de independencia de chi-cuadrado
    10. Términos clave
    11. Repaso del capítulo
    12. Repaso de fórmulas
    13. Práctica
    14. Tarea para la casa
    15. Resúmalo todo: tarea para la casa
    16. Referencias
    17. Soluciones
  13. 12 Regresión lineal y correlación
    1. Introducción
    2. 12.1 Ecuaciones lineales
    3. 12.2 Diagramas de dispersión
    4. 12.3 La ecuación de regresión
    5. 12.4 Comprobación de la importancia del coeficiente de correlación
    6. 12.5 Predicción
    7. 12.6 Valores atípicos
    8. 12.7 Regresión (distancia desde la escuela)
    9. 12.8 Regresión (costo de los libros de texto)
    10. 12.9 Regresión (eficiencia del combustible)
    11. Términos clave
    12. Repaso del capítulo
    13. Repaso de fórmulas
    14. Práctica
    15. Tarea para la casa
    16. Resúmalo todo: tarea para la casa
    17. Referencias
    18. Soluciones
  14. 13 Distribución F y análisis de varianza anova de una vía
    1. Introducción
    2. 13.1 ANOVA de una vía
    3. 13.2 La distribución F y el cociente F
    4. 13.3 Datos sobre la distribución F
    5. 13.4 Prueba de dos varianzas
    6. 13.5 Laboratorio: ANOVA de una vía
    7. Términos clave
    8. Repaso del capítulo
    9. Repaso de fórmulas
    10. Práctica
    11. Tarea para la casa
    12. Referencias
    13. Soluciones
  15. A Ejercicios de repaso (caps. 3-13)
  16. B Pruebas prácticas (de la 1 a la 4) y exámenes finales
  17. C Conjuntos de datos
  18. D Proyectos de grupos y asociaciones
  19. E Hojas de soluciones
  20. F Oraciones, símbolos y fórmulas matemáticas
  21. G Notas para las calculadoras TI-83, 83+, 84 y 84+
  22. H Tablas
  23. 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 "O":Un resultado está en el evento A O 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 O B = {1, 2, 3, 4, 5, 6, 7, 8}. Observe que el 4 y el 5 NO aparecen dos veces en la lista.

Evento "Y":Un resultado está en el evento A Y 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 Y 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(A Y B) P(B) P(A Y B) 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(AYB) 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(AYB) 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

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 Y B = ____________________, A O B = ________________
  5. P(A Y B) = _________, P(A O 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 Y B = ____________________, A O B = ________________
  5. P(A Y B) = _________, P(A O 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 DADO B
  6. B DADO A
  7. A Y B
  8. A O B
  9. A O 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 Y R)
  6. P(F Y L)
  7. P(M O F)
  8. P(M O R)
  9. P(F O 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/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/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.