Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Variaciones
Se llama variaciones ordinarias de m elementos tomados de n en n (m
n) a los distintos grupos formados por n elementos de forma que:
No entran todos los elementos.
S importa el orden.
No se repiten los elementos.
Permutaciones
S entran todos los elementos.
S importa el orden.
No se repiten los elementos.
Permutaciones circulares
Se utilizan cuando los elementos se han de ordenar "en crculo", (por ejemplo,
los comensales en una mesa), de modo que el primer elemento que "se site" en
la muestra determina el principio y el final de muestra.
Combinaciones
Se llama combinaciones de m elementos tomados de n en n (m n) a todas
las agrupaciones posibles que pueden hacerse con los m elementos de forma
que:
No entran todos los elementos.
No importa el orden.
No se repiten los elementos.
Nmeros combinatorios
El nmero
por
1.
2.
3.
Binomio de Newton
La frmula que nos permite hallar las potencias de un binomio se conoce
como binomio de Newton.
Distribucin Binomial
Para hablar de la distribucin Binomial primero tenemos que decir que esta dada por la
sumatoria de eventos bernoulli, la distribucin de Bernoulli (o distribucin dicotmica),
nombrada
as
por
el matemtico y cientfico suizo Jakob
Bernoulli,
es
una distribucin de probabilidad discreta, que toma valor 1 para la probabilidad de
xito (p) y valor 0 para la probabilidad de fracaso (q = 1 p).
Si X es una variable aleatoria que mide "nmero de xitos", y se realiza un nico
experimento con dos posibles resultados (xito o fracaso), se dice que la variable
aleatoria X se distribuye como una Bernoulli de parmetro p.
XBe(p)
La frmula ser:
f(x) = px(1 p)1 x con x = {0,1}
Su funcin de probabilidad viene definida por:
donde
siendo
x en x)
Distribucin Poisson
La distribucin Poisson fue nombrada as en honor a Denise Poisson en su libro
Recherchs sur la probabilit des jugements...., un trabajo importante en probabilidad
publicado en el ao 1837, la distribucin de Poisson recin apareca. La distribucin de
Poisson describe la probabilidad como un acontecimiento fortuito ocurrido en un tiempo
o intervalo de espacio bajo las condiciones que la probabilidad de un acontecimiento
ocurre es muy pequea, pero el nmero de intentos es muy grande, entonces el evento
actual ocurre algunas veces.
En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de
probabilidad discreta. asi tiempo fijo si estos eventos ocurren con una frecuencia media
conocida y son independientes del tiempo discurrido desde el ltimo evento.
La funcin de masa de la distribucin de Poisson es:
Como consecuencia del teorema central del lmite, para valores grandes de , una
variable aleatoria de Poisson X puede aproximarse por otra normal dado que el
cociente
Funcin caracterstica
Distribucin Normal
La distribucin normal fue presentada por vez primera por Abraham de Moivre en un
artculo del ao 1733,2 que fue reimpreso en la segunda edicin de su The Doctrine of
Chances, de 1738, en el contexto de cierta aproximacin de la distribucin
binomial para grandes valores de n. Su resultado fue ampliado por Laplace en su
libroTeora analtica de las probabilidades (1812), y en la actualidad se llama Teorema
de De Moivre-Laplace.
Gauss, que afirmaba haber usado el mtodo desde 1794, lo justific rigurosamente en
1809 asumiendo una distribucin normal de los errores. El nombre de Gauss se ha
asociado a esta distribucin porque la us con profusin cuando analizaba datos
astronmicos3 y algunos autores le atribuyen un descubrimiento independiente del de
De Moivre.4 Esta atribucin del nombre de la distribucin a una persona distinta de su
primer descubridor es un claro ejemplo de la Ley de Stigler.
Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas. Su propio
nombre indica su extendida utilizacin, justificada por la frecuencia o normalidad con la
que ciertos fenmenos tienden a parecerse en su comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya grfica
tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un mismo
valor de p y valores de n cada vez mayores, se ve que sus polgonos de frecuencias
se aproximan a una curva en "forma de campana".
Funcin de densidad
Se dice que una variable aleatoria continua X sigue una distribucin normal de
parmetros y y se denota X~N(, ) si su funcin de densidad est dada por:
Se llama distribucin normal "estndar" a aqulla en la que sus parmetros toman los
valores = 0 y = 1. Para esta la funcin de densidad tiene la siguiente expresin:
MUESTREO
En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos
los elementos de una poblacin), se selecciona una muestra, entendiendo por tal una
parte representativa de la poblacin. El muestreo es por lo tanto una herramienta de la
investigacin cientfica, cuya funcin bsica es determinar que parte de una poblacin
debe examinarse, con la finalidad de hacer inferencias sobre dicha poblacin. La
muestra debe lograr una representacin adecuada de la poblacin, en la que se
reproduzca de la mejor manera los rasgos esenciales de dicha poblacin que son
importantes para la investigacin. Para que una muestra sea representativa, y por lo
tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin, es
decir ejemplificar las caractersticas de sta.
Los errores ms comunes que se pueden cometer son:
1.- Hacer conclusiones muy generales a partir de la observacin de slo una parte de la
Poblacin, se denomina error de muestreo.
2.- Hacer conclusiones hacia una Poblacin mucho ms grandes de la que
originalmente se tomo la muestra. Error de Inferencia.
En la estadstica se usa la palabra poblacin para referirse no slo a personas si no a
todos los elementos que han sido escogidos para su estudio y el trmino muestra se
usa para describir una porcin escogida de la poblacin.
TIPOS DE MUESTREO
Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque
en general pueden dividirse en dos grandes grupos: mtodos de muestreo
probabilsticos y mtodos de muestreo no probabilsticos.
I.
Muestreo probabilstico
4.- Muestreo aleatorio por conglomerados: Los mtodos presentados hasta ahora
estn pensados para seleccionar directamente los elementos de la poblacin, es decir,
que las unidades mustrales son los elementos de la poblacin. En el muestreo por
conglomerados la unidad muestral es un grupo de elementos de la poblacin que
forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los
departamentos universitarios, una caja de determinado producto, etc., son
conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son
reas geogrficas suele hablarse de "muestreo por reas". El muestreo por
conglomerados consiste en seleccionar aleatoriamente un cierto numero de
conglomerados (el necesario para alcanzar el tamao muestral establecido) y en
investigar despus todos los elementos pertenecientes a los conglomerados elegidos