viernes, 8 de noviembre de 2013

TEORÍA DE CONJUNTO


DEFINICIÓN Y NOTACIÓN DE CONJUNTOS
El término conjunto juega un papel fundamental en el desarrollo de las matemáticas modernas; 

Además de proporcionar las bases para comprender con mayor claridad algunos aspectos de la teoría 
de la probabilidad. Su origen se debe al matemático alemán George Cantor (1845 – 1918). 

Podemos definir de manera intuitiva a un conjunto, como una colección o listado de objetos con 
características bien definidas que lo hace pertenecer a un grupo determinado. 

Para que exista un conjunto debe basarse en lo siguiente: 

  •  La colección de elementos debe estar bien definida. 
  •  Ningún elemento del conjunto se debe contar más de una vez, generalmente, estos elementos 

deben ser diferentes, si uno de ellos se repite se contará sólo una vez. 
  •  El orden en que se enumeran los elementos que carecen de importancia. 


NOTACIÓN 
A los conjuntos se les representa con letras mayúsculas A, B, C, ... y a los elementos con letras 
minúsculas a, b, c, ..., por ejemplo, el conjunto A cuyos elementos son los números en el 
lanzamiento de un dado. 
A = { 1, 2, 3, 4, 5, 6 } 

En base a la cantidad de elementos que tenga un conjunto, estos se pueden clasificar en conjuntos 
finitos e infinitos. 

FINITOS: Tienen un número conocido de elementos, es decir, se encuentran determinados por su 
longitud o cantidad. 

El conjunto de días de la semana 

INFINITOS: Son aquellos en los cuales no podemos determinar su longitud. 

El conjunto de los números reales 

Existen dos formas comunes de expresar un conjunto y la selección de una forma particular de 
expresión depende de la conveniencia y de ciertas circunstancias siendo: 

EXTENSIÓN: Cuando se describe a cada uno de los elementos. 

A = {a, e, i, o, u} 
COMPRENSIÓN: Cuando se enuncian las propiedades que deben tener sus elementos. 

A = {x | x es una vocal} 

Para describir si un elemento pertenece o no a un conjunto, se utiliza el símbolo de pertenencia o es 
elemento de, con el símbolo ∈, en caso contrario ∉. 

A = {1, 2, 3} 

2 ∈ A; 5 ∉ A 

TIPOS DE CONJUNTOS 

CONJUNTO VACIÓ O NULO: Es aquel que no tiene elementos y se simboliza por ∅ o { }. 
 
A = {x2
 + 1 = 0 | x ∈ R} 
 
El conjunto A, es un conjunto vacío por que no hay ningún número real que satisfaga a x2
+1 = 0 
 
CONJUNTO UNIVERSAL: Es el conjunto de todos los elementos considerados en una población 
o universo, en un problema en especial. No es único, depende de la situación, denotado por U o Ω. 

RELACIONES ENTRE CONJUNTOS

IGUALDAD DE CONJUNTOS 
Considerando el conjunto A y el conjunto B, si ambos tienen los mismos elementos, es decir, si 
cada elemento que pertenece a A también pertenece a B y si cada elemento que pertenece a B 
pertenece también a A. 
 
A = B 
SUBCONJUNTO 
Si todo elemento de un conjunto A es también elemento de un conjunto B, entonces se dice que A es 
un subconjunto de B. Representado por el símbolo ⊂. 
 
A ⊂ B o B ⊃ A 
SUBCONJUNTOS PROPIOS 
Se dice que es un subconjunto propio de A sí todos los elementos de un conjunto B se encuentran 
incluidos en él A, denotado por ⊆. 
 
A ⊆ B o B ⊇ A  
CONJUNTO POTENCIA 
La familia de todos los subconjuntos de un conjunto se llama conjunto potencia. Si un conjunto es 
finito con n elementos, entonces el conjunto potencia tendrá 2n
 subconjuntos. 
 
A = {1, 2 } 
 
 El total de subconjuntos es: 
2
2
 = 4 
 
{1,2}, {1}, {2}, { } 
 
CONJUNTOS DISJUNTOS 
Son aquellos que no tienen elementos en común, es decir, cuando no existen elementos que 
pertenezcan a ambos. 
F = {1, 2, 3, 4, 5, 6} 
 
G = {a, b, c, d, e, f} 
 
 
PARTICIÓN 
Cuando un conjunto es dividido en subconjuntos mutuamente excluyentes y exhaustivos, se le 
denomina partición.

OPERACIONES DE CONJUNTOS 
 
  •  Unión. 
  •  Intersección. 
  •  Diferencia. 
  •  Complemento. 
  •  Producto cartesiano. 
 
UNIÓN DE CONJUNTOS. Sean A y B dos subconjuntos cualesquiera del conjunto universal. La 
unión de A y B, expresada por A ∪ B, es el conjunto de todos los elementos que pertenecen a A o 
pertenecen a B. 
 
A ∪ B = {x | x ∈ A o x ∈ B} 
 
INTERSECCIÓN DE CONJUNTOS. Sean A y B dos conjuntos cualesquiera del conjunto 
universal. La intersección de A y B, expresada por A ∩ B, es el conjunto de todos los elementos que 
pertenecen a A y a B simultáneamente, es decir: 
 
A ∩ B = {x | x ∈ A y x ∈ B} 

DIFERENCIA DE CONJUNTOS O COMPLEMENTO RELATIVO. Sean A y B dos conjuntos 
cualesquiera del conjunto universal. La diferencia o complemento relativo de B con respecto a A, es 
el conjunto de los elementos que pertenecen a A, pero no pertenecen a B. 
 
A - B = {x | x ∈ A, x ∉ B} 
 
Nota: A - B ≠ B - A 
 
COMPLEMENTO ABSOLUTO O SIMPLEMENTE COMPLEMENTO. Sea A un subconjunto 
cualesquiera del conjunto universal. El complemento de A es el conjunto de elementos que 
perteneciendo al universo y no pertenecen al conjunto A, denotado por A’ o A
c
 
A’ = {x | x ∈ U, x ∉ A} 
 
Nota: A’ = U - A 
 
PRODUCTO CARTESIANO. Sean A y B dos conjuntos, el conjunto producto o producto 
cartesiano expresado por A x B está formado por las parejas ordenadas (a, b) donde a ∈ A y b ∈ B. 
 
A x B = {(a, b) | a ∈A y b ∈ B} 

LEYES DE CONJUNTOS 

DE IDEMPOTENCIA 
A ∪ A = A A ∩ A = A 
 
ASOCIATIVA 
(A ∪ B) ∪ C = A ∪ (B ∪ C ) 
(A ∩ B) ∩ C = A ∩ (B ∩ C) 
 
CONMUTATIVA 
A ∪B = B ∪ A A ∩ B = B ∩ A 
 
DISTRIBUTIVA 
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) 
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) 
DE IDENTIDAD 
A ∪ U = U A ∩ U = A 
A ∪ ∅ = A A ∩ ∅ = ∅ 
 
DE INVOLUCIÓN 
(A’)’ = A 

DE COMPLEMENTO 
 A ∪ A’ = U A ∩ A’ = ∅ 
 U’= ∅ ∅’= U 
 
D’MORGAN 
(A ∪ B)’ = A’ ∩ B’ (A ∩ B)’= A’ ∪ B’ 
 
PRINCIPIO DE CONTEO 
n(A ∪ B) = n(A) + n(B) A ∩ B = ∅ 
n(A ∪ B) = n(A) + n(B) - n(A ∩ B) A ∩ B ≠ ∅





INTRODUCCIÓN A LA TEORÍA DE CONJUNTO

El concepto de conjunto es uno de los más importantes en matemáticas, aun 
más que la operación de contar, pues se puede encontrar implícita o explícitamente, 
en todas las ramas de las matemáticas puras y aplicadas. En su forma explícita, los 
principios y terminología de los conjuntos se utilizan para construir teoremas 
matemáticos más claros y precisos y para explicar conceptos abstractos como el 
infinito. 
Todo matemático o filósofo ha empleado razonamientos de la teoría de 
conjuntos de una forma más o menos consciente. La teoría de conjuntos se debe al 
matemático ruso Georg Cantor, aunque otros matemáticos como George Boole dieron 
los primeros pasos para su desarrollo. 
En el último cuarto del siglo XIX se vivió un episodio apasionante de la historia 
de las matemáticas que las ligaría desde entonces a la historia de la lógica. Primero, 
George Boole (1815-1864) trató de presentar la lógica como parte de las matemáticas. 
Poco después G. Fregge (1848-1925) intentó demostrar que la aritmética era parte de 
la lógica y, dando un gran paso tanto en la historia de las matemáticas como en la 
historia de la lógica, G. Cantor se adelantó a Fregge con una fundamentación lógica 
de la aritmética. Como consecuencia, Cantor creó una nueva disciplina matemática 
entre 1874 y 1897: la teoría de conjuntos. 
Cantor definió conjunto como “una colección en un todo de determinados y 
distintos objetos de nuestra percepción o nuestro pensamiento, llamados los 
elementos del conjunto”. 

MEDIDAS DE DISPERSIÓN

Existen diversas medidas de dispersión, entre las más utilizadas podemos destacar las siguientes:
1.- Rango: mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor más elevado y el valor más bajo.
2.- Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula como sumatorio de las diferencias al cuadrado entre cada valor y la media, multiplicadas por el número de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el tamaño de la muestra.
Ejemplo: vamos a utilizar la serie de datos de la estatura de los alumnos de una clase (lección 2ª) y vamos a calcular sus medidas de dispersión.
Variable
Frecuencias absolutas
Frecuencias relativas
(Valor)
Simple
Acumulada
Simple
Acumulada
xxxxx
1,20
1
1
3,3%
3,3%
1,21
4
5
13,3%
16,6%
1,22
4
9
13,3%
30,0%
1,23
2
11
6,6%
36,6%
1,24
1
12
3,3%
40,0%
1,25
2
14
6,6%
46,6%
1,26
3
17
10,0%
56,6%
1,27
3
20
10,0%
66,6%
1,28
4
24
13,3%
80,0%
1,29
3
27
10,0%
90,0%
1,30
3
30
10,0%
100,0%
1.- Rango: Diferencia entre el mayor valor de la muestra (1,30) y el menor valor (1,20). Luego el rango de esta muestra es 10 cm.
2.- Varianza: recordemos que la media de esta muestra es 1,253. Luego, aplicamos la fórmula:
          Por lo tanto, la varianza es 0,0010

MEDIDAS DE POSICIÓN CENTRAL

Las medidas de posición nos facilitan información sobre la serie de datos que estamos analizando. Estas medidas permiten conocer diversas características de esta serie de datos.Las medidas de posición son de dos tipos:
a) Medidas de posición central: informan sobre los valores medios de la serie de datos.
b) Medidas de posición no centrales: informan de como se distribuye el resto de los valores de la serie.
a) Medidas de posición central
Las principales medidas de posición central son las siguientes:
1.- Media: es el valor medio ponderado de la serie de datos. Se pueden calcular diversos tipos de media, siendo las más utilizadas:
a) Media aritmética: se calcula multiplicando cada valor por el número de veces que se repite. La suma de todos estos productos se divide por el total de datos de la muestra:
Xm =
(X1 * n1) + (X2 * n2) + (X3 * n3) + .....+ (Xn-1 * nn-1) + (Xn * nn)
---------------------------------------------------------------------------------------
n
b) Media geométrica: se eleva cada valor al número de veces que se ha repetido. Se multiplican todo estos resultados y al producto fiinal se le calcula la raíz "n" (siendo "n" el total de datos de la muestra).
Según el tipo de datos que se analice será más apropiado utilizar la media aritmética o la media geométrica.
La media geométrica se suele utilizar en series de datos como tipos de interés anuales, inflación, etc., donde el valor de cada año tiene un efecto multiplicativo sobre el de los años anteriores. En todo caso, la media aritmética es la medida de posición central más utilizada.
Lo más positivo de la media es que en su cálculo se utilizan todos los valores de la serie, por lo que no se pierde ninguna información.
Sin embargo, presenta el problema de que su valor (tanto en el caso de la media aritmética como geométrica) se puede ver muy influido por valores extremos, que se aparten en exceso del resto de la serie. Estos valores anómalos podrían condicionar en gran medida el valor de la media, perdiendo ésta representatividad.
2.- Mediana: es el valor de la serie de datos que se sitúa justamente en el centro de la muestra (un 50% de valores son inferiores y otro 50% son superiores).
No presentan el problema de estar influido por los valores extremos, pero en cambio no utiliza en su cálculo toda la información de la serie de datos (no pondera cada valor por el número de veces que se ha repetido).
3.- Moda: es el valor que más se repite en la muestra.
Ejemplo: vamos a utilizar la tabla de distribución de frecuencias con los datos de la estatura de los alumnos que vimos en la lección 2ª.
Variable
Frecuencias absolutas
Frecuencias relativas
(Valor)
Simple
Acumulada
Simple
Acumulada
xxxxx
1,20
1
1
3,3%
3,3%
1,21
4
5
13,3%
16,6%
1,22
4
9
13,3%
30,0%
1,23
2
11
6,6%
36,6%
1,24
1
12
3,3%
40,0%
1,25
2
14
6,6%
46,6%
1,26
3
17
10,0%
56,6%
1,27
3
20
10,0%
66,6%
1,28
4
24
13,3%
80,0%
1,29
3
27
10,0%
90,0%
1,30
3
30
10,0%
100,0%
Vamos a calcular los valores de las distintas posiciones centrales:
1.- Media aritmética:
Xm =
(1,20*1) + (1,21*4) + (1,22 * 4) + (1,23 * 2) + ......... + (1,29 * 3) + (1,30 * 3)
--------------------------------------------------------------------------------------------------
30
Luego:
Xm =
1,253
Por lo tanto, la estatura media de este grupo de alumnos es de 1,253 cm.
2.- Media geométrica:
X =
((1,20^ 1) * (1,21^4) * (1,22^ 4) * .....* (1,29^3)* (1,30^3)) ^ (1/30)
Luego:
Xm =
1,253
En este ejemplo la media aritmética y la media geométrica coinciden, pero no tiene siempre por qué ser así.
3.- Mediana:
La mediana de esta muestra es 1,26 cm, ya que por debajo está el 50% de los valores y por arriba el otro 50%. Esto se puede ver al analizar la columna de frecuencias relativas acumuladas.
En este ejemplo, como el valor 1,26 se repite en 3 ocasiones, la media se situaría exactamente entre el primer y el segundo valor de este grupo, ya que entre estos dos valores se encuentra la división entre el 50% inferior y el 50% superior.
4.- Moda:
Hay 3 valores que se repiten en 4 ocasiones: el 1,21, el 1,22 y el 1,28, por lo tanto esta seria cuenta con 3 modas.


DISTRIBUCIÓN DE FRECUENCIA AGRUPADA

Supongamos que medimos la estatura de los habitantes de una vivienda y obtenemos los siguientes resultados (cm):
Habitante
Estatura
Habitante
Estatura
Habitante
Estatura
x
x
x
x
x
x
Habitante 1
1,15
Habitante 11
1,53
Habitante 21
1,21
Habitante 2
1,48
Habitante 12
1,16
Habitante 22
1,59
Habitante 3
1,57
Habitante 13
1,60
Habitante 23
1,86
Habitante 4
1,71
Habitante 14
1,81
Habitante 24
1,52
Habitante 5
1,92
Habitante 15
1,98
Habitante 25
1,48
Habitante 6
1,39
Habitante 16
1,20
Habitante 26
1,37
Habitante 7
1,40
Habitante 17
1,42
Habitante 27
1,16
Habitante 8
1,64
Habitante 18
1,45
Habitante 28
1,73
Habitante 9
1,77
Habitante 19
1,20
Habitante 29
1,62
Habitante 10
1,49
Habitante 20
1,98
Habitante 30
1,01
Si presentáramos esta información en una tabla de frecuencia obtendríamos una tabla de 30 líneas (una para cada valor), cada uno de ellos con una frecuencia absoluta de 1 y con una frecuencia relativa del 3,3%. Esta tabla nos aportaría escasa información
En lugar de ello, preferimos agrupar los datos por intervalos, con lo que la información queda más resumida (se pierde, por tanto, algo de información), pero es más manejable e informativa:
Estatura
Frecuencias absolutas
Frecuencias relativas
Cm
Simple
Acumulada
Simple
Acumulada
x
x
x
x
x
1,01 - 1,10
1
1
3,3%
3,3%
1,11 - 1,20
3
4
10,0%
13,3%
1,21 - 1,30
3
7
10,0%
23,3%
1,31 - 1,40
2
9
6,6%
30,0%
1,41 - 1,50
6
15
20,0%
50,0%
1,51 - 1,60
4
19
13,3%
63,3%
1,61 - 1,70
3
22
10,0%
73,3%
1,71 - 1,80
3
25
10,0%
83,3%
1,81 - 1,90
2
27
6,6%
90,0%
1,91 - 2,00
3
30
10,0%
100,0%
El número de tramos en los que se agrupa la información es una decisión que debe tomar el analista: la regla es que mientras más tramos se utilicen menos información se pierde, pero puede que menos representativa e informativa sea la tabla.

DISTRIBUCIÓN DE FRECUENCIA



La distribución de frecuencia es la representación estructurada, en forma de tabla, de toda la información que se ha recogido sobre la variable que se estudia.
Variable
Frecuencias absolutas
Frecuencias relativas
(Valor)
Simple
Acumulada
Simple
Acumulada
xxxxx
X1
n1
n1
f1 = n1 / n
f1
X2
n2
n1 + n2
f2 = n2 / n
f1 + f2
...
...
...
...
...
Xn-1
nn-1
n1 + n2 +..+ nn-1
fn-1 = nn-1 / n
f1 + f2 +..+fn-1
Xn
nn
S n
fn = nn / n
S f
Siendo X los distintos valores que puede tomar la variable.
Siendo n el número de veces que se repite cada valor.
Siendo f el porcentaje que la repetición de cada valor supone sobre el total
Veamos un ejemplo:
Medimos la altura de los niños de una clase y obtenemos los siguientes resultados (cm):
Alumno
Estatura
Alumno
Estatura
Alumno
Estatura
x
x
x
x
x
x
Alumno 1
1,25
Alumno 11
1,23
Alumno 21
1,21
Alumno 2
1,28
Alumno 12
1,26
Alumno 22
1,29
Alumno 3
1,27
Alumno 13
1,30
Alumno 23
1,26
Alumno 4
1,21
Alumno 14
1,21
Alumno 24
1,22
Alumno 5
1,22
Alumno 15
1,28
Alumno 25
1,28
Alumno 6
1,29
Alumno 16
1,30
Alumno 26
1,27
Alumno 7
1,30
Alumno 17
1,22
Alumno 27
1,26
Alumno 8
1,24
Alumno 18
1,25
Alumno 28
1,23
Alumno 9
1,27
Alumno 19
1,20
Alumno 29
1,22
Alumno 10
1,29
Alumno 20
1,28
Alumno 30
1,21
Si presentamos esta información estructurada obtendríamos la siguiente tabla de frecuencia:
Variable
Frecuencias absolutas
Frecuencias relativas
(Valor)
Simple
Acumulada
Simple
Acumulada
xxxxx
1,20
1
1
3,3%
3,3%
1,21
4
5
13,3%
16,6%
1,22
4
9
13,3%
30,0%
1,23
2
11
6,6%
36,6%
1,24
1
12
3,3%
40,0%
1,25
2
14
6,6%
46,6%
1,26
3
17
10,0%
56,6%
1,27
3
20
10,0%
66,6%
1,28
4
24
13,3%
80,0%
1,29
3
27
10,0%
90,0%
1,30
3
30
10,0%
100,0%
Si los valores que toma la variable son muy diversos y cada uno de ellos se repite muy pocas veces, entonces conviene agruparlos por intervalos, ya que de otra manera obtendríamos una tabla de frecuencia muy extensa que aportaría muy poco valor a efectos de síntesis.

ESTADISTICA DESCRIPTIVA

Introducción a la Estadística Descriptiva




La estadística descriptiva es una ciencia que analiza series de datos (por ejemplo, edad de una población, altura de los estudiantes de una escuela, temperatura en los meses de verano, etc) y trata de extraer conclusiones sobre el comportamiento de estas variables.
Las variables pueden ser de dos tipos:
Variables cualitativas o atributos: no se pueden medir numéricamente (por ejemplo: nacionalidad, color de la piel, sexo).
Variables cuantitativas: tienen valor numérico (edad, precio de un producto, ingresos anuales).
Las variables también se pueden clasificar en:
Variables unidimensionales: sólo recogen información sobre una característica (por ejemplo: edad de los alunmos de una clase).
Variables bidimensionales: recogen información sobre dos características de la población (por ejemplo: edad y altura de los alumnos de una clase).
Variables pluridimensionales: recogen información sobre tres o más características (por ejemplo: edad, altura y peso de los alumnos de una clase).
Por su parte, las variables cuantitativas se pueden clasificar en discretas y continuas:
Discretas: sólo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: número de hermanos (puede ser 1, 2, 3....,etc, pero, por ejemplo, nunca podrá ser 3,45).
Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la velocidad de un vehículo puede ser 80,3 km/h, 94,57 km/h...etc.
Cuando se estudia el comportamiento de una variable hay que distinguir los siguientes conceptos:
Individuo: cualquier elemento que porte información sobre el fenómeno que se estudia. Así, si estudiamos la altura de los niños de una clase, cada alumno es un individuo; si estudiamos el precio de la vivienda, cada vivienda es un individuo.
Población: conjunto de todos los individuos (personas, objetos, animales, etc.) que porten información sobre el fenómeo que se estudia. Por ejemplo, si estudiamos el precio de la vivienda en una ciudad, la población será el total de las viviendas de dicha ciudad.
Muestra: subconjunto que seleccionamos de la población. Así, si se estudia el precio de la vivienda de una ciudad, lo normal será no recoger información sobre todas las viviendas de la ciudad (sería una labor muy compleja), sino que se suele seleccionar un subgrupo (muestra) que se entienda que es suficientemente representativo.