ESTADISTICA Y PROBABLIDADES_EXAMEN 2
INGENIERIA AMBIENTAL _PASCO
ESTADISTICA Y PROBABILIDADES
EXAMEN 2
1. CON LOS SIGUIENTES DATOS:
CONCENTRACIONES DE O3 (Y) TEMPERATURA (°F) (X)
75 65
80 71
86 79
9 85
99 93
107 100
A) Descubra la forma aproximada de la relación entre las variables.
INTERPRETACION: como era de esperarse mientras más bajo sea la temperatura en grados (°F)
menor será la concentración de O3, pero a 85 °F la concentración de O3 cayó a 9
B) Estime la covarianza resultante
Covarianzas: CONCENTRACIONES DE O3 (Y), TEMPERATURA (°F) (X)
CONCENTRACIONES TEMPERATURA (°F)
CONCENTRACIONES 1219.200
TEMPERATURA (°F) 110.600 174.567
INTERPRETACION: el resultado es positivo indica que los valores por encima del promedio
correspondientes a la concentración están asociados con los valores por encima del promedio
correspondiente a la temperatura.
C) Estime el coeficiente de correlación
CHUCO CONDOR GISELLY OLINDA 1
ESTADISTICA Y PROBABLIDADES_EXAMEN 2
INGENIERIA AMBIENTAL _PASCO
Correlación: CONCENTRACIONES DE O3 (Y), TEMPERATURA (°F) (X)
Correlación de Pearson de CONCENTRACIONES DE O3 (Y) y TEMPERATURA (°F) (X) =
0.240
Valor p = 0.647
Rho de Spearman: CONCENTRACIONES DE O3 (Y), TEMPERATURA (°F) (X)
Rho de Spearman para CONCENTRACIONES DE O3 (Y) y TEMPERATURA (°F) (X) =
0.657
Valor p = 0.156
INTERPRETACION: la correlación entre las columnas de concentración de O3 y temperatura °F
es 0.240. Adicionalmente el valor p de 0.647 indica que no existe evidencia de que la correlación
entre concentraciones de O3 y temperatura °F después de considerar el efecto de valor sea
diferente de 0.
D) Estime la recta de regresión simple
INTERPRETACION: para los datos sobre concentraciones el valor s es 37.9000 temperatura °F,
adicionalmente 5.7% de la variación en la concentración se debe a la temperatura. El R-cuad
(ajustado) es 0.0%. La gráfica se encuentra de forma creciente positiva ya que es un R real y que
representa un valor de 5.7%.
2. En la siguiente tabla se presenta el número de enfermos por afecciones bronquiales por
contaminación atmosférica desde el tercer trimestre del 2012 al tercer trimestre del 2013
AÑO TRIMESTRE ENFERMOS (miles) ISE_ENFERMOS ISC_ENFERMOS
2012 3 10089.4 336313 *
2012 4 10139.3 337977 100.495
2013 1 10213.3 340443 100.730
2013 2 10250.5 341683 100.364
2013 3 10265.2 342173 100.143
A) Construya un numero índice simple con base al tercer trimestre de 2012
CHUCO CONDOR GISELLY OLINDA 2
ESTADISTICA Y PROBABLIDADES_EXAMEN 2
INGENIERIA AMBIENTAL _PASCO
INTERPRETACION: la cantidad de enfermos aumentaron durante los 2 años. Aumenta con una
pendiente positiva, con cantidad de enfermos más bajas en el tercer trimestre del año 2012.
B) Construya un número índice simple en cadena
INTERPRETACION: la mayor cantidad de enfermos aumentaron en el primer trimestre del año
2013. Luego la cantidad de enfermos empezó a disminuir, la cantidad de enfermos más baja se
registró en el tercer trimestre del año 2013
3. Estime pronósticos para los próximos cinco años de la concentración de una sustancia en el
aire, con los siguientes datos:
AÑO CONCENTRACION (ppm)
2006 83.0
2007 84.0
2008 82.2
2009 87.2
2010 85.0
2011 85.2
2012 85.5
2013 85.9
GRAFICA:
CHUCO CONDOR GISELLY OLINDA 3
ESTADISTICA Y PROBABLIDADES_EXAMEN 2
INGENIERIA AMBIENTAL _PASCO
INTERPRETACION: la concentración de una sustancia en el aire aumento durante los ocho
años. La concentración de una sustancia en el aire puede ser cíclicas, con cantidad de
concentración de una sustancia en el aire más bajas en el año 2008.
MODELO MULTIPLICATIVO:
CHUCO CONDOR GISELLY OLINDA 4
ESTADISTICA Y PROBABLIDADES_EXAMEN 2
INGENIERIA AMBIENTAL _PASCO
INTERPRETACION: la tendencia de la concentración de una sustancia emitida en el aire durante
los años del 2006 a 2013 va de forma creciente pero cíclica.
MODELO ADITIVO:
CHUCO CONDOR GISELLY OLINDA 5
ESTADISTICA Y PROBABLIDADES_EXAMEN 2
INGENIERIA AMBIENTAL _PASCO
PRONOSTICO:
CHUCO CONDOR GISELLY OLINDA 6
ESTADISTICA Y PROBABLIDADES_EXAMEN 2
INGENIERIA AMBIENTAL _PASCO
4. Describa las maneras de medir las probabilidades y la terminología usada en probabilidad.
Maneras de medir las probabilidades:
(1) La probabilidad clásica: El término probabilidad se refiere al estudio de lo aleatorio y
de la incertidumbre. El concepto clásico de la probabilidad de un evento A se define como
sigue: si hay a posibles resultados favorables la ocurrencia del evento A y, b resultados
desfavorables a la ocurrencia de A, y si todos los resultados son igualmente mutuos excluyentes
(que no pueden ocurrir a la vez), entonces la probabilidad de que A ocurra se denota como P(A),
es decir:
p = Pr{E} = h / n
(2) La probabilidad de frecuencia relativa: puede interpretarse como la proporción de
veces un evento ocurre a largo plazo, bajo condiciones estables o uniformes. Este tipo de
probabilidad se define como:
P(E) = n / N
(3) La probabilidad subjetiva: es un desarrollo relativamente reciente. Esta probabilidad se
define como el grado de credibilidad o confianza de un evento que varía con el juicio o estado
de ánimo de la persona. Esta probabilidad es útil en decisiones financieras y otros tipos de
trabajos. Relación entre la probabilidad (usando distribuciones discretas) y la estadística de
inferencia (usando distribuciones continuas) usando lógica deductiva e inductiva.
La relación entre la probabilidad usando distribuciones discretas como la binomial,
hipergeométrica o la Poisson y la estadística de inferencia (usando distribuciones continuas
como la normal, la t de Estudiante, la distribución F, gamma, exponencial, etc.) radica en el
hecho de que, en el primer caso, el razonamiento va del conjunto o de la población hacia la
parte (razonamiento deductivo o lógica deductiva). En contraste, con la estadística de inferencia,
el razonamiento va desde la muestra o la parte hacia la población o total (razonamiento
inductivo o lógica inductiva).
TERMINOLOGIAS USADAS EN PROBABILIDAD:
CHUCO CONDOR GISELLY OLINDA 7
ESTADISTICA Y PROBABLIDADES_EXAMEN 2
INGENIERIA AMBIENTAL _PASCO
Experimento.- Un experimento es un proceso que nos ayuda a obtener observaciones de
dos o más resultados distintos, donde el resultado que ocurre no puede ser predecible con
certeza, sino en términos de probabilidad.
Evento.- es una colección de uno o más resultados elementales de un experimento. Un
evento es un subconjunto de un espacio muestral. Por subconjunto se entiende cualquier parte
de un conjunto, incluyendo el conjunto en su totalidad. Aquí, también puede haber conjuntos
vacíos denotados por ф, los cuales no poseen ningún elemento.
Espacio muestral.- El espacio muestral (S) es el conjunto de todos los resultados posibles
de un experimento estadístico. Los espacios muestrales se clasifican de acuerdo al número de
elementos (puntos) que contienen. En este respecto, se pueden enlistar los elementos
separados por comas y enclaustrados en corchetes ({}). Los espacios muestrales pueden ser
finitos, no finitos, discretos y continuos. Sin embargo, los dos tipos básicos de espacios
muestrales son los discretos y continuos.
En algunos experimentos puede ser útil enlistar los elementos del espacio muestral,
sistemáticamente, por medio de diagramas de árbol.
Unión.- La unión de dos eventos, digamos A y B, se denotan por el símbolo A ∪ B y se lee A o
B, y es el evento que contiene todos los elementos que pertenecen a A o B o ambos. Por lo
tanto, el evento A ∪ B ocurre, si A ocurre, si B ocurre o si ambos A y B ocurren.
Complemento.- El complemento de un evento A, denotado por A', es el conjunto de todos
los resultados en el espacio muestral S, que no están contenidos en A.
Eventos mutuos excluyentes.- Dos o más eventos se dice que son mutuos excluyentes
o desunidos, cuando no hay elementos comunes entre sí. Para esto se usa la simbología de
intersecciones, es decir, A ∩ B = Φ, esto dice que A y B no tienen elementos en común. Esto nos
dice qué, cuando uno de los resultados ocurre, los otros no pueden ocurrir al mismo tiempo .
Probabilidad condicional.- Se define como la probabilidad de que un evento A ocurra,
cuando se sabe que el evento B ha ocurrido y se denota como P (A|B). También la probabilidad
de que un evento B ocurra, cuando se sabe que el evento A ha ocurrido, se denota por P (B|A).
Eventos independientes y dependientes.- En este caso, sin embargo, cuando
hablamos de probabilidad condicional se incluyen lo que se llaman eventos independientes y
eventos dependientes. Por ejemplo, si la ocurrencia de un evento, no cambia la probabilidad de
la ocurrencia del otro evento, entonces, se dice que los dos eventos son independientes. Sin
embargo, si cualquiera de estas condiciones no se satisfacen, los dos eventos se dicen que son
dependientes, es decir, P(A|B) ≠ P(A).
Variable aleatoria (va).- Fundamentalmente, hay dos tipos de variables aleatorias:
variables aleatorias discretas y variables aleatorias continuas. La variable aleatoria es una función
que asigna un número real a cada resultado en un espacio muestral S. Es un valor de una
función numéricamente definido sobre S, es decir, una regla que asocia un número a cada
resultado en el espacio muestral S.
Algunos estadísticos relacionan el término "variable aleatoria" con el término "estocástico", que
se relaciona con conjetura o probabilidad. Hay variables aleatorias binomiales, de Poisson,
hipergeométricas, variables de la distribución normal, de la distribución de t de estudiante, de JI
cuadrada, de Fisher, etc.
Estocástico.- Es un término que involucra una variable aleatoria o que relaciona casualidad
o probabilidad.
CHUCO CONDOR GISELLY OLINDA 8
ESTADISTICA Y PROBABLIDADES_EXAMEN 2
INGENIERIA AMBIENTAL _PASCO
Variable aleatoria discreta (vad).- La vad es un conjunto o rango de valores finitos
o infinitamente contables en números. La vad se asocia con distribuciones de Bernoulli, de
Poisson, geométrica, hipergeométrica, negativa binomial, etc.
Variable aleatoria continua (vac).- La vac se define como el rango de una variable
aleatoria X que contiene un intervalo infinito o finito de números reales. Por ejemplo, si X es el
valor del peso de una persona, el rango de X es X ≥ 0. Las distribuciones continuas asociadas
con vac son la distribución normal, la familia de las distribuciones gamma, beta, la distribución
exponencial, la JI cuadrada, la t de estudiante, etc.
Diagrama de Venn.- Es un dispositivo gráfico para representar el espacio muestral y las
operaciones que implican eventos. El inglés J. Venn desarrolló este tipo de diagrama para
representar, gráficamente, los resultados de un experimento. El concepto de las reglas de
eventos mutuos excluyentes y varias otras reglas de probabilidad se pueden representar con
diagramas de Venn. Para construir un diagrama de Venn un espacio se enclaustra
representando el total de todos los resultados posibles.
5. Con el siguiente espacio muestral:
Estime la probabilidad en la cual pueden ocurrir los siguientes eventos:
CHUCO CONDOR GISELLY OLINDA 9
ESTADISTICA Y PROBABLIDADES_EXAMEN 2
INGENIERIA AMBIENTAL _PASCO
A) Sales un As:
B) Sale una espada negra
C) Sale una J o una Q
1
CHUCO CONDOR GISELLY OLINDA
0
