Documentos de Académico
Documentos de Profesional
Documentos de Cultura
=
donde%
, ( x p
Dprobabilidad de que ocurra # 5#itos, cuando el numero promedio de ocurrencia
de ellos es
D '.G+E
x
D variable que nos denota el numero de 5#itos que se desea que ocurra
$ay que $acer notar que en esta distribucin el numero de 5#itos que ocurren por unidad de
tiempo, .rea o producto es totalmente al azar y que cada intervalo de tiempo es
independiente de otro intervalo dado, as como cada .rea es independiente de otra .rea dada
y cada producto es independiente de otro producto dado.
Ejemplo%
!i un banco recibe en promedio @ c$eques sin fondos por da, cuales son las posibilidades
de que reciban 1 c$eques sin fondo en un da dada.
a #D variable que nos define el numero de c$eques sin fondo que llegan al banco en un da
cualquiera.
(landa D @ c$eques sin fondo # da
D '.G+E
!olucin%
( ) ( ) ( ) ( )
+00K' . (
'1
(('1E . ( +'K@
1+
G+E . ' @
@ , 1 (
@ 1
= = = = =
x P
(('1E . (
1E( . ' @ ( y G+E . '
0
=
CUESTIONARIO
+.4 7:u5 es la distribucin Poisson8
9% es el modelo probabilstico apropiado para un gran numero de fenmenos aleatorios
'.4 7En $onor a quien se debe la distribucin Poisson8
9% ) !imeon Aennis Poisson (+GE+ O +E1(
0.4 En este tipo de e#perimentos los 5#itos buscados son e#presados por.
9% "nidad de .rea, tiempo, pieza, etc.
1.4 Cenciona un e#perimento en el que pueda ser usado la distribucin Poisson
9% num. de llegadas de embarcaciones a un puerto por da, mes, etc.
=. &ual es la funcin para determinar la probabilidad de que ocurra # 5#itos por unidad e
tempo, .rea o producto8
9% ( )
P
,
X
x P
x
=
DISTRIBUCIN NOR*AL
O CA*%ANA DE -AUSS
/a distribucin normal fue reconocida por primera vez por el franc5s )bra$am de Coivre
(+@@G O +G=1. Posteriormente, &arl Lriedric$ Qauss (+GGG O +E== elaboro desarrollos m.s
profundos y formulo la ecuacin de la curva- de a$ que tambi5n se le conozca, mas
com6nmente, como la ;&ana de Qauss<.
/a distribucin normal es la distribucin de probabilidad que con m.s frecuencia aparece
en estadstica y teora de probabilidades.
/o Hmportancia de la distribucin normal se debe principalmente o que $oy muc$as
variables asociados o fenmenos naturales siguen el modelo de la normal%
Caracteres morfolgicos de individuos (personas, animales, plantas,... de una
especie, ejemplo. tallas, pesos, envergaduras, di.metros, permetros.
Caracteres fisiolgicos, por ejemplo% efecto de uno mismo dosis de un
medicamento, o de uno mismo cantidad de abono.
Caracteres sociolgicos, por ejemplo% consumo de cierto producto por un mismo
grupo de individuos, puntuaciones de e#amen.
Caracteres psicolgicos, por ejemplo% cociente intelectual, grado de adaptacin a un
medio.
Valores estadsticos mu5strales, por ejemplo% la media.
/o distribucin normal quedo definido por dos par.metros, su media y su desviacin
est.ndar y la representamos as%
Ejemplo% supongamos que se sabe que el peso de los sujetos de una determinada poblacin
sigue una distribucin apro#imadamente normal, con una media de E( Rg y una desviacin
est.ndar de +( Rg. 7Podremos saber cual es la probabilidad de que una persona, elegida al
azar, tenga un peso superior a +(( Rg8
+(
E(
=
X
' (
+(
E( +((
+(( ( > =
> = > P P X P
como el .rea total bajo la curva es igual a +, se puede deducir que%
' ( + ' ( = > P P
KGG' . ( ' ( = > P
Por lo tanto, la probabilidad buscada de que una persona elegida aleatoriamente de esa
poblacin tenga un peso mayor de +(( Sg , es de +4(.KGG'D(.(''E, es decir,
apro#imadamente de un !"#$
E.e#'lo$ /a vida media de una l.mpara, seg6n el fabricante, es de @E meses, con una
desviacin tpica de =, se distribuye seg6n una distribucin normal en un lote de +(.(((
l.mparas. 7&u.ntas l.mparas super.nG= meses8
t DG=4@EI=D+.1 P(,TG=D(tT+.1D+4p (tN+.1D+4(.K+K'D(.(E(E
+(.((( (.E(ED E(E l.mparas superan los G= meses
E.e#'lo$ "na empresa instala en una ciudad '(.((( bombillas para su iluminacin. /a
duracin de una distribucin normal con media de 0(' das y desviacin tpica de 1( das.
&alcular.
) 7&u.ntas bombillas !e fundir.n antes de 0@= das8
* 7&uantas duraran mas de 1(( das8
) t D 0@= 4 0(' I1( D +.=G= P (, N 0@= D P (t N+.=G= D (.K1+E
'(.((( (.K1+E D +E.E0@ bombillas se fundir.n antes de 0@= das.
* t D 1(( 4 0(' I 1( D '.1= P ( , T 1(( D P ( t T '.1= D + 4 P ,( t N '.1= D+ 4 (.KK'K D
(.((G+
'(.((( (.((G+ D +1' bombillas duraran mas de 1(( das
DISTRIBUCIN NOR*AL
+.47 :ue es la distribucin normal8
9D Es la distribucin de probabilidad que con mas frecuencia aparece en estadstica y
teora de probabilidades, esto se debe a su forma de campana.
'.47&on que otro nombre se le conoce a la distribucin normal8
9D &ana de Qauss.
0.47&ual es la importancia de la distribucin normal8 9D !e debe principalmente a que $ay
muc$as variables naturales que asociadas a fenmenos siguen el modelo de la normal%
&aracteres morfolgicos
&aracteres fisiolgicos,
&aracteres sociolgicos,
&aracteres psicolgicos,
Falores estadsticos.
1.47&uales son sus par.metros8
9D !u media ( y su desviacin est.ndar (
=.47&uales son las caractersticas de la distribucin normal8
9D
U >iene forma de campana.
U /a curva tiene un solo pico.
U /a media se encuentra en el centro de la curva normal, la mediana y la moda tambi5n se
encuentran en el centro por lo tanto poseen el mismo valor.
U !e e#tiende de manera indefinida $acia los e#tremos (izquierdo y derec$o y nunca toca
el eje $orizontal.
DISTRIBUCIN F
/lamada as en $onor a !ir Lonald ). Lis$er, uno de los fundadores de la estadstica
moderna. Esta distribucin de probabilidad se usa como estadstica de prueba en varias
situaciones.
3riginalmente, se estudi como la distribucin de muestreo de la razn de dos variables
aleatorias independientes como distribuciones ji cuadrada, cada una dividida por sus grados
de libertad respectivos.
!e emplea para probar si dos muestras provienen de poblaciones que poseen varianzas
iguales. Es 6til para determinar si una poblacin normal tiene una mayor variacin que la
otra y tambi5n se aplica cuando se trata de comparar simult.neamente varias medidas
poblacionales.
/a comparacin simult.nea de varias medidas poblacionales se conoce como )n.lisis de
Farianza ()23F). En ambas situaciones, las poblaciones deben ser normales y los datos
tener al menos la escala de intervalos.
CARACTER/STICAS
Es una distribucin continua
2o puede ser negativa
) medida que aumentan los valores, la curva se apro#ima al eje ,, pero nunca la
toca.
/a distribucin L esta relacionada con el cociente de varianzas pues la distribucin L
tambi5n se le conoce como la distribucin de la razn de varianzas.
%RUEBA DE LA ,I%TESIS F$ C0l!ulo e inter'reta!i&n e la esta1sti!a F.
!i sustituimos con la abreviatura estadstica, el numerador y denominador de este cociente,
la ecuacin se convierte.
VARIAN)A DENTRO
Farianza de muestra
( )
+
'
%
M X
.
, , O C (, O C
'
+= 4' 1
+E + +
+K ' 1
'' = '=
++ @ 0@
E= G(
, , O C (, O C
'
'' + +
'G @ 0@
+E 40 K
'+ ( (
+G 41 +@
+(= @'
, , O C (, O C
'
+E 4+ +
'1 = '=
+K ( (
+@ 40 K
'' 0 K
+= 41 +@
++1 @(
!egunda estimacin de la varianza de la poblacin basada
en las varianzas dentro de las muestras
Primera estimacin de la varianza de la poblacin basada
en la varianza entre las medias de las muestras
F2
Farianza entre columnas
Farianza dentro de columnas
F2
( . +'
'
= . +=
'
= . +G
'
0 ' +
= = =
& & &
F)9H)2V) E2>9E
$ X X X X
( )
'
X X ( )
'
X X %
= +G +K 4' 1 '(
= '+ +K ' 1 '(
@ +K +K ( ( (
tD=G >D1(
( )
( ) ( ) ( )
estimacion segunda G@K . +1
+0
+K'
( . +'
+0
=
= . +=
+0
1
= . +G
+0
1
+
+.(
entre varianza '( (
+
'
+
'
'
'
=
=
=
=
&
' %r
%i
(
X X %i
a estadistic fW W &ociente 0= . +
G@K . +1
'(
*usqueda
= = F
2um. Ae grados de libertad en el numerador de cociente ;f<. D(2um. Cuestral4+
(04+ D '
2um. Ae grados de libertad en el denominador del cociente ;f< D ' % %
r
= + (
2um. Ae cifras de cada una de las tablas ( ) ( ) ( ) + @ + = + = + +
+0 = 1 1 = + +
El denominador y el numerador deben ser apro#imadamente iguales si la $iptesis nula es
verdadera.
DISTRIBUCIN F
-RADOS DE LIBERTAD
!e determina un grado de libertad cuando calculamos la varianza entre columna, y el
numero de grado de libertad para el numerador del coeficiente L siempre es una unidad
menor que el numero de muestras. /a regla es%
2umero de grado de libertad D(numero de muestras O+
En el numerador de coeficiente L
M podemos calcular el numero degrado de libertad en el denominador del coeficiente L,
utilizando la ecuacin%
2umero de grado de libertad en D ' % %)
r
= + 8(
El denominador de coeficiente L
An0lisis e varian(a 3ANOV A4 t5cnica estadstica utilizada para probar la equidad de 0 o
mas medidas de muestra y, de este modo, $acer inferencias sobre si las muestras provienen
de poblaciones que tienen la misma medida.
Distribu!i&n L familia de distribuciones diferenciadas por dos par.metros (grados de
libertad del denominador, grados de libertad del denominador, utilizada principalmente
para probar $iptesis con respecto a varianza.
CUESTIONARIO
+.4 7Por qu5 se llama distribucin L8
9% en $onor a !ir Lonald ). Lis$er
'.4 7&omo se estudio originalmente la distribucin L8
9. como la distribucin de muestreo de la razn de dos variables aleatorias independientes
0.4 7Para que se emplea la distribucin L8
9% para probar si dos muestras provienen de poblaciones que poseen varianzas iguales
Microsof t Editor de
ecuaciones 3.0
1.4 7&mo se le conoce a la distribucin L8
9% /a distribucin de la razon de varianza
=.4 7a que se le conoce como an.lisis de varianzas8
9% ) la comparacin simultanea de varias medidas poblacionales
LA DISTRIBUCIN T DE STUDENT
/a distribucin ;>< de student es una distribucin continua que se define por la siguiente
e#presin%
,% media
>% cantidad
!% desviacin est.ndar muestral
/a distribucin ;>< de student puede tomar valores negativos, pero, en general, solo
interesa su magnitud y no su signo.
Es una distribucin sim5trica y con mayor dispersin que la distribucin normal. 2o
obstante, cuando WnW es igual o mayor que +((, la distribucin WtW es igual a la normal.
Lue descubierta por X.!. Qosset y publicada en +K(E, el seudnimo de student se refera a
la cantidad estudiada como t y a sido conocida desde ese entonces como t de student
!irve para conocer la desviacin est.ndar de la poblacin cuando el tamao de muestra es
relativamente pequeo.
/a prueba t de student es muy utilizada en la pr.ctica, sin embargo a menudo su aplicacin
se $ace sin e#cesivo cuidado, no comprobando las asunciones que requiere. En este artculo
se $a puesto de manifiesto que la falta de normalidad o la falta de $omogeneidad en las
varianzas invalidan la prueba t de student
&aractersticas
)l igual que la distribucin z, es una distribucin continua.
/a distribucin t tiene una medida de cero, es sim5trica respecto ala medida y se
e#tiende de menos y mas.
>iene forma campanada y sim5trica.
2o $ay una distribucin t, si no una familia de distribuciones
/a distribucin t es mas anc$a y mas plana en el centro que la
Aistribucin normal est.ndar como resultado de ellos tienes
Lormula%
% s
X
t
I
(
=
Ejemplo% !e generan @ diamantes mediante un nuevo proceso y resultan estos de (.1@, (.@+,
(.=', (.1E, (.=G y (.=1 Rilates el costo de proceso indica que el peso promedio es mayor de
(.= Rilates.
% s
X
t
I
(
=
esta%dar *es+iacio%
eleme%to de %um N
co%fia%,a de -%ter+alo
Media X
.
=
=
=
=
'ilates X =0 .
@
=K . =G . 1E . =' . @+ . 1@ .
=
+ + + + +
=
( )
( )
( )
( )
( )
( )
(+=@ .
((+ . ( (+ . ( =0 . =1 .
((+@ . (1 . =0 . =G .
(('= . (= . =0 . 1E .
(((+ . (+ . =0 . =' .
((@1 . E . =0 . @+ .
((1K . (G . ( =0 . 1@ .
'
'
'
'
'
'
= =
= =
= =
= =
= =
= =
esta%dar *es+iacio%
CUESTIONARIO
+.4 7:u5 es distribucin > de student8
9% Es una distribucin continua que se define por la siguiente e#presin%
,Dmedia
>Dcantidad
!Ddesviacin estandar muestral
'.4 7:ui5n fundo la distribucin > de student8
9%X. !. Qosset en +K(E
0.4 7Para que sirve la distribucin > de student8
( )
G0 . G+
('(G .
1E= . +
@
(=(K .
(+= . ' =0 .
(=(K . (
(('@ .
@
(+=@ .
'
=
=
=
=
=
=
t
%
X X
&
9% Para conocer la desviacin est.ndar de la poblacin y el tamao de muestra es
relativamente pequeo.
1.4 7&u.les son las caractersticas de la distribucin > de student8
9%
)l igual que la distribucin V, es una distribucin continua
/a distribucin t tiene una medida de cero, es sim5trica respecto a la medida y se
e#tiende de menos y mas.
>iene forma campanada y sim5trica
2o $ay una distribucin >, si no una familia de distribucin
/a distribucin > es mas anc$a y mas plana en el centro que la distribucin normal
est.ndar como resultado de ellos.
=.4 7&u.l es la formula de la distribucin de student8
9%
% s
M X
t
I
(
=
DISTRIBUCIN 5I6CUADRADA
/a distribucin jiYcuadrada nos permite probar, si dos o mas proporciones de poblacin
pueden ser consideradas iguales.
!i clasificamos a una poblacin en diferentes categoras con respecto a dos atributos (edad,
y desempeo en el trabajo, podemos utilizar una prueba jiYcuadrada, para comprobar si los
dos atributos son rndependientes entre si. la distribucin Zi cuadrada, se denota por la letra
griega ,(Zi, elevada al cuadrado% ,'.
) medida que aumentan los grados de libertad la curva se va $aciendo m.s sim5trica y su
cola derec$a se va e#tendiendo.
Caractersticas de la distribucin
>odos los valores de #' son positivos.
Es una curva sesgada $acia la derec$a.
/a media de la distribucin son sus grados de libertad
%RECAUC7NES 8UE SE DEBEN TO*AR CUANDO SE USE UNA %RUEBA
5I6CUADRADA
Para utilizar una prueba de $iptesis jiYcuadrada, debemos tener un tamao de muestra lo
suficientemente grande para garantizar la similitud entre la distribucin terica correcta y
nuestra distribucin de muestreo de #', estadstica jiYcuadrada. &uando las frecuencias
esperadas son muy pequeas el valor de #' estar. sobrestimado y se tendr. como resultado
demasiados rec$azos de la $iptesis nula, para evitar incurrir en inferencias incorrectas de
la prueba de $iptesis jiYcuadrada. !iga la regla general que dice que una frecuencia
esperada de menos de cinco en una celda de una tabla de contingencia es demasiado
pequea para utilizarse.
!i el valor de jiYcuadrada $ubiera sido cero, $ubi5semos tenido que ser cuidadosos al
preguntar si absolutamente no e#isten diferencias entre las frecuencias observadas y las
esperadas. !i tenemos fuertes creencias de que debera e#istir alguna diferencia tendramos
que e#aminar tanto la forma en que recabamos datos o la manera como iniciamos las
mediciones o ambas cosas para tener la certeza de que las diferencias e#istentes no fueron
minimizadas o pasadas por alto al recolectar los datos de muestra.
%RO%IEDADES DE LAS DISTRIBUCIONES 5I6CUADRADAS
l.4/os valores de #' son mayores o iguales que 3
'.4/a forma de una distribucin #' depende del g H Dn4l. En consecuencia $ay un numero
infinito de distribuciones #'.
0.4EH .rea bajo una curva jiYcuadrada y sobre el eje $orizontal es +.
1.4/as distribuciones #' no son sim5tricas, tienen colas estrec$as que se e#tienden a la
derec$a- est.n sesgadas a la derec$a.
=.4cuando nT' la media de una distribucin #' es n4l y la varianza es '(n4l. @.4EH valor
modal de una distribucin #' se da en el valor (n40.
(>)*/) AE &32>H2QE2&H)% &ompara la cuenta de respuestas categricas entre dos
grupos independientes para desplegar la frecuencia de 5#itos y fracasos en cada grupo.
-RAFICA DISTRIBUCION 5I CUADRADA %ARA V2 9: ;: < 7= -RADOS DE
LIBERTAD
Aistribucin Zi cuadrada para vD',= y +(.
/a estadstica de Zi cuadrada se calcula de la manera siguiente%
( )
Fe
Fe Fo
X
'
'
=
Esta formula establece que jiYcuadrada, o #', es la suma que obtendremos si%
+.4 9estamos Le de Lo para cada una de las celdas de la tabla
'.4Elevamos al cuadrado cada una de las diferencias
0.4 Aividimos cada diferencia al cuadrado entre Le, y
1.4!umamos los resultados
CUESTIONARIO DE DISTRIBUCIN 5I6CUADRADA
+.4 7:u5 nos permite probar la distribucin jiYcuadrada8
9% !i dos o mas proporciones de poblacin pueden ser consideradas iguales
'.4 7Cenciona las caractersticas de la distribucin jiYcuadrada%
9% +.4 >odos los valores de
'
X
son positivos
'.4 Es una curva sesgada $acia la derec$a
0.4 /a media de la distribucin son sus grados de libertad.
0.4 Cenciona dos propiedades de la distribucin jiYcuadrada%
9% /os valores de
'
X
son mayores o iguales que (
El area bajo una curva ZiY cuadrada y cobre el eje $orizontal es +.
1.4 Para que nos sirve la tabla de contingencia en la distribucin jiYcuadrada8
9% Para comparar la cuenta de respuestas categricas entre dos grupos independientes para
desplegar la frecuencia de 5#itos y fracasos en cada grupo.
=.4 Escribe la formula de la distribucin jiYcuadrada y el significado de sus elementos%
9%
( )
cuadrada )i X
Fe
Fot
Fe
Fe Fo
X
Y
esperada Lrecuencia
observada Lrecuencia
'
'
'
=
=
=
Ejemplo% !uponga que en 1 regiones de la 9epublica Ce#icana, la compaa mundial de
cuidado de la salud, muestra actitudes de los empleados de sus $ospitales con respecto al e#amen de
desempeo en el trabajo. )los trabajadores se les da a escoger entre el m5todo actual( '
e#.menes al ao y un nuevo m5todo propuesto (e#.menes cada trimestre.
!e trabajara con la siguiente tabla de contingencia%
P2 Proporcin de empleados en el noreste que prefieren el presente plan.
P! Proporcin de empleados en el sudeste que prefiere el actual m5todo.
P& Proporcin de empleados en la regin centro que prefiere el actual m5todo.
PX Proporcin de empleados que en la regin de la costa del occidente prefieren el m5todo
actual
Ho:PN=PS=PC=PW Hiptesis nula
Hi:PNPSPCPW Hiptesis alternati!a
"#$%# &
!i la $iptesis nula es verdadera podemos combinar los datos de los trabajadores que
prefieren el m5todo actual.
@@10 . (
1'(
'GK
++( K( +'( +((
GK =G G= @E
= =
+ + +
+ + +
=
.@@10 estima la proporcin de poblacin esperada que prefiere el m5todo presente de
evaluacin entonces (.00=G (D+Y(.@@10 es la estimacin de la proporcin esperada de la
poblacin que prefiere el m5todo propuesto.
>)*/) ' Proporcin de empleados muestreados en cada una de las regiones que se espera
prefieran los dos m5todos.
2oreste !ureste &entral &osta 3ccidental
2umero total
muestrado
+(( +'( K( ++(
Proporcin estimada
que prefi5rale
m5todo actual
#.@@10 #.@@10 #.@@10 #.@@10
2umero que se
espera prefiera el
m5todo actual
@@.10 GK.G' =K.GK G0.(0
>)*/) 0 &omparacin de frecuencias observadas y esperadas de trabajadores muestrados.
Lrecuencia
observada(real
Lrecuencia
esperada(terica
Lrecuencia
observada(real
Lrecuencia
esperada(terica
!o los conjuntos de frecuencias observadas y esperadas son casi iguales, podemos razonar
de manera intuitiva que aceptaremos de manera intuitiva que aceptaremos la $iptesis nula.
!i e#iste una diferencia grande entre estas frecuencias podemos intuitivamente rec$azar la
$iptesis nula y llegar a la conclusin de que e#isten diferencias significativas en las
proporciones de empleados de las cuatro regiones que prefieren el nuevo metodo. /as
frecuencias observadas y esperadas se les da uso en la estadstica jiYcuadrada, se calcula%
( )
Fe
Fe Fo
X
'
'
=
>)*/) 1 &alculo de la estadstica
'
X
(jiYcuadrada
P)!3 + P)!3 ' P)!3 0
Lo Le Le4Le (Lo4Le
( )
Fe
Fe Fo
'