Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad y Estadstica
ndice
Tabla de contenido
1.
2.
3.
4.
5.
6.
7.
8.
ndice
2
Distribucin de Weibull
3
Distribucin de Gamma
4
Distribucin Log Normal
5
Distribucin Exponencial
6
Teora Elemental de Muestreo
7
Teora de Estimacin Estadstica 9
Teora de la Decisin Estadstica,
Ensayo
Significacin
14
9. Teora de Correlacin (Correlacin y Regresin)
10.
Bibliografa
20
de
Hipotesis
18
1. Distribucin de Weibull
Fue establecida por el fsico suizo Weibull quien demostr que el esfuerzo al
que se someten los materiales puede modelarse de manera adecuada
mediante el empleo de esta distribucin. Tambin se ha usado para modelar
situaciones del tipo tiempo- falla, bien puede indicar la vida til de cierto
artculo, planta o animal, confiabilidad de un componente.
Se trata de un modelo continuo asociado a variables del tipo tiempo de vida,
tiempo hasta que un mecanismo falla, etc. La funcin de densidad de este
modelo viene dada por:
Su varianza:
(15Ju)
2. Distribucin de Gamma
Este modelo es una generalizacin del modelo Exponencial ya que, en
ocasiones, se utiliza para modelar variables que describen el tiempo hasta que
se produce p veces un determinado suceso.
Su funcin de densidad es de la forma:
Su
esperanza
Su
varianza
es
es
p.
p2
siendo
la funcin de distribucin acumulativa de la normal reducida. Por lo tanto un
modo grfico de verificar esta distribucin es comparar la funcin de supervivencia
dibujada en papel lognormal con una recta.
Ocurre en la prctica cada vez que existe una variable aleatoria X tal que su logaritmo
natural es una nueva variable aleatoria Y con distribucin normal, entonces X sigue el
modelo probabilstico llamado logaritmo normal.
4. Distribucin Exponencial
que
tiene una
Valor esperado:
Varianza:
Observaciones:
En la definicin de la variable aleatoria exponencial, sta se plantea como
tiempo que tarda en ocurrir el primer evento Poisson. Sin embargo, esta
definicin puede hacerse extensiva a las dems unidades de medicin
consideradas en los eventos de Poisson, por ejemplo, cantidad de metros de
carretera que deben recorrerse hasta que aparezca el primer bache, cantidad
de
que deben inspeccionarse en una hacienda hasta que aparezca el primer
cafetal de broca, etc.
En el lenguaje de las aplicaciones tambin se utiliza la distribucin exponencial
para modelar tiempo entre eventos, distancia entre eventos, volumen entre
eventos. (Universidad Nacional De Colombia )
Poblacin base
Poblacin muestreada
Muestra estudiada
Poblacin diana
MUESTRA: Es un conjunto de casos o individuos de una poblacin estadstica.
Las muestras se obtienen con la intencin de inferir propiedades de la totalidad
de la poblacin.
TIPOS DE MUESTREO:
Muestreo Simple: Este tipo de muestreo toma solamente una muestra de una
poblacin dada para el propsito de inferencia estadstica. Puesto que
solamente una muestra es tomada, el tamao de muestra debe ser lo
suficiente grande para extraer una conclusin.
Muestreo Doble: Cuando el resultado del estudio de la primera muestra no es
decisivo, una segunda muestra es extrada de la misma poblacin. Las dos
muestras son combinadas para analizar los resultados.
Muestreo Mltiple: Es similar al expuesto en el muestreo doble, excepto que el
nmero de muestras sucesivas requerido para llegar a una decisin es ms de
dos muestras.
Muestreo de Juicio: Es llamada muestra de juicio cuando sus elementos son
seleccionados mediante juicio personal. La persona que selecciona los
elementos de la muestra, usualmente es un experto en la medida dada.
Muestreo Aleatorio(al azar): Se dice que es extrada al azar cuando la manera
de seleccin es tal, que cada elemento de la poblacin tiene igual oportunidad
de ser seleccionado.
Muestreo Aleatorio Simple: Para obtener una muestra aleatoria simple, cada
elemento en la poblacin tenga la misma probabilidad de ser seleccionado, el
plan de muestreo puede no conducir a una muestra aleatoria simple.
Muestreo Sistemtico: Es obtenida cuando los elementos son seleccionados
en una manera ordenada. La manera de seleccin depende del nmero de
elementos incluidos en la poblacin y el tamao de la muestra.
Muestreo Estratificado: Primero se divide la poblacin en grupos, llamados
estratos, que son ms homogneos que la poblacin como un todo.
Muestreo de Conglomerados: Primero se divide la poblacin en grupos que
son convenientes para el muestreo. En seguida, seleccionar una porcin de los
grupos al azar o por un mtodo sistemtico. Finalmente, tomar todos los
elementos o parte de ellos al azar por un mtodo sistemtico de los grupos
seleccionados para obtener una muestra. (Investiga y aprende )
7. Teora de la decisin
hiptesis y significacin
estadstica,
ensayo
de
Para aclarar las ideas anteriores, supngase que con una hiptesis dada, la
distribucin muestral de un estadstico S es una distribucin normal con media
s Y desviacin tpica uso Entonces la distribucin de la variable tipificada
(representada por z) dada por z = (S s) /ss, es una normal tipificada (media
0, varianza 1) y se muestra en la figura.
Como se indica en la figura, se puede estar con el 95 % de confianza de que, si
la hiptesis es cierta, el valor de z obtenido de una muestra real para el
estadstico S se encontrar entre -1.96 y 1.96 (puesto que el rea bajo la curva
normal entre estos valores es 0.95).
Sin embargo, si al elegir una muestra al azar se encuentra que z para ese
estadstico se halla fuera del rango -1.96 a 1.96, lo que quiere decir que es un
suceso con probabilidad de solamente 0.05 (rea sombreada de la figura) si la
hiptesis fuese verdadera. Entonces puede decirse que esta z difiere
significativamente de la que caba esperar bajo esta hiptesis y se estara
inclinado a rechazar la hiptesis.
El rea total sombreada 0.05 es el nivel de significacin del ensayo. Representa
la probabilidad de cometer error al rechazar la hiptesis es decir, la
probabilidad de cometer error del Tipo I. As, pues, se dice que la hiptesis se
rechaza al nivel de significacin del 0.05 o que la z obtenida del estadstico
muestral dado es significativa al nivel de significacin del 0.05.
El conjunto de las z que se encuentran fuera del rango -1.96 a 1.96 constituyen
lo que se llama regin crtica o regin de rechace de la hiptesis o regin de
significacin. El conjunto de las z que se encuentran dentro del rango -1,96 a
1,96 poda entonces llamarse regin de aceptacin de la hiptesis o regin de
no significacin.
De acuerdo con lo dicho hasta ahora; se puede formular la siguiente regla de
decisin o ensayo de hiptesis o significacin.
(a) Se rechaza la hiptesis al nivel de significacin del 0.05 si la z obtenida para
el estadstico S se encuentra fuera del rango -1.96 a 1.96 (es decir, z > 1,96 o
11
GRAFICOS DE CONTROL
Es a menudo en la prctica importante conocer cundo un proceso ha
cambiado suficientemente, de modo que puedan darse los pasos necesarios
para remediar la situacin. Tales problemas aparecen, por ejemplo, en el
control de calidad, donde uno debe, a veces rpidamente, decidir si los
cambios observados se deben simplemente a fluctuaciones aleatorias o a
cambios reales en el proceso de fabricacin a causa de deterioro en las
13
14
entonces
automticamente
tenemos
estn libremente
. Si
es una distribucin
2
normal estndar. Supngase que la varianza de la poblacin
es
desconocida. Qu sucede con la distribucin de esta estadstica si se
reemplaza
=0y
para
>2,
16
4. A medida que
, la secuencia de curvas t se aproxima a la curva
normal estndar, por lo que la curva z recibe a veces el nombre de curva
t con gl =
La distribucin de la variable aleatoria t est dada por:
grados de libertad.
y desviacin estndar
17
; CON
DESCONOCIDA
)100% para
Donde
/2
es:
es el valor t con
/2 a la derecha.
Se hace una distincin entre los casos de
conocida y
desconocida al
calcular las estimaciones del intervalo de confianza. Se debe enfatizar que para
el primer caso se utiliza el teorema del lmite central, mientras que para
desconocida se hace uso de la distribucin muestral de la variable aleatoria t.
Sin embargo, el uso de la distribucin t se basa en la premisa de que el
muestreo se realiza de una distribucin normal. En tanto que la distribucin
tenga forma aproximada de campana, los intervalos de confianza se pueden
calcular cuando la varianza se desconoce mediante el uso de la distribucin t y
se puede esperar buenos resultados.
Con mucha frecuencia los estadsticos recomiendan que aun cuando la
normalidad no se pueda suponer, con
reemplazar a
18
con
conocida, con la
19
20
21
Bibliografa
(s.f.). Recuperado el 10 de Junio de 2015, de
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4
m1t9.htm
Instituto Tecnolgico de Chihuahua. (s.f.). Recuperado el 10 de Junio de 2015,
de http://www.itch.edu.mx/academic/industrial/estadistica1/cap03.html
Investiga y aprende . (s.f.). Recuperado el 10 de Junio de 2015, de
http://investigando-juntos.blogspot.mx/2009/04/teoria-elemental-delmuestreo.html
Snchez, C. B. (s.f.). Recuperado el 10 de Junio de 2015, de
http://recursostic.educacion.es/descartes/web/materiales_didacticos/Correlacio
n_regresion_recta_regresion/correlacion_y_regresion.htm
Universidad Nacional De Colombia . (s.f.). Recuperado el 10 de Junio de 2015,
de
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4030011/lecciones/cap3
/cap_3_pag_15.html
22