Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE CERRO AZUL
INGENIERIA PETROLERA
ASIGNATURA: PROBABILIDAD Y ESTADISTICA AL
CAMPO PETROLERO
TRABAJO:
UNIDAD 3-4-5
DOCENTE: ING. MARY CARMEN BACA GTZ.
4° SEMESTRE
INTEGRANTES: GRUPO: 1
JIMENEZ CRUZ NORA
PONCE BRAVO OLGA VIRIDIANA
ESTEBAN RAMIREZ CARMEN ITZEL
MAYO 2016
UNIDAD 3
DISTRIBUCIONES
MUESTRALES
3.1 DISTRIBUCION DE
MEDIAS
• La distribución muestral de la media muestral es
la distribución de los valores de las medias
muestrales de todas las posibles muestras del
mismo tamaño n tomadas de la misma
población.
• Si no conociera la media de la población, 𝜇, se
podrían escoger cono estimador varios
estradisticos; y las primeras que vienen a mente
son la media y la mediana de la muestra .
• Si una muestra aleatoria de n mediciones se
selecciona de una población con media y desviación
estándar, la distribución muestral de la media tendrá
media y desviación estándar.
v x 2
EJEMPLO
Suponga que la probabilidad de recuperar un automóvil
robado en cierta ciudad es de 0.40.
¿Cuál es la probabilidad de 2 automóviles de los 10
robados?
¿Cuál es la probabilidad de recuperar cuando mucho 3
de los 10 automóviles robados?
¿Cuál es la probabilidad de recuperar por lo menos 7
de los 10 automóviles robados?
n= 10
P= 0.40
X= 2
a)
10
f (2) .40 1 .40 450.16 0.60 0.12093
2 10 2 8
2
b)
10
p x 0
0 0 . 40 0
1 0 . 40 10 0
110 . 60 10
0.00604
10
p x 1 0.40 1 1 0.40 101 10 0.40 0.60 9 0.04031
1
x 3
p x 2 10 0.40 2 1 0.40 10 2 450.16 0.60 8 0.12093
2
10
p x 3 0.40 1 0.40 120 0.064 0.60 0.21499
3 10 3 7
3
p x 3 p x 0 p x 1 p x 2 p x 3 0.3822
10
c) p x 10
10 0 . 40 10
1 0 . 40 1010
10.00011 0.0001
10
p x 9 0.409 1 0.40109 100.000260.6 0.00156
9
p x 7
p x 810 0.408 1 0.40108 450.0006536 0.01053
8
10
p x 7
7 0 . 40 7
1 0 . 40 10 7
1200.001630.216 0.04224
p x 7 p x 10 p x 9 p x 8 p x 7 0.0544
3.3 DISTRIBUCION DE
PROPORCIONES
Existen ocasiones en las cuales no estamos interesados en la
media de la muestra, sino que queremos investigar la
proporción de artículos defectuosos o la proporción de
personas con teléfono, etc en la muestra. La distribución
muestral de proporciones es la adecuada para dar respuesta
a estas situaciones.
Esta distribución se genera de igual manera que la
distribución muestral de medias, a excepción de que al
extraer las muestras de la población s e calcula el estadístico
proporción (p=x/n en donde “ x” es el número de éxitos u
observaciones de interés y “ n” el tamaño de la muestra).
EJEMPLO 1
Suponga que se cuenta con un lote de 12 piezas, el cual tiene 4 artículos
defectuosos. Se van a seleccionar 5 artículos al azar de ese lote sin
reemplazo. Vamos a generar la distribución muestral de proporciones
para el número de piezas defectuosas. Como se puede observar en este
ejercicio la proporción de artículos defectuosos de esta población es P =
4/12=1/3. Por lo que podemos decir que el 33% de las piezas de este lote
están defectuosas. El número posible de muestras de tamaño 5 a extra er
de una población de 12 elementos es 12 C 5=792, las cuales se pueden
desglosar de la siguiente manera:
2 = 85 libras
1 = 14.142 libras
2 = 12.247 libras
n1 = 20 niños
n2 = 25 niñas
p(𝑥1= ?
ESTIMACION DE
PARAMETROS
4.1 INTERVALOS DE
CONFIANZA PARA LA MEDIA
• Sea X una variable aleatoria cuya
distribución depende de un parámetro
𝜃 , y sea (𝑋1 , … , 𝑋𝑛 ) una muestra
aleatoria simple de X.
• Si 𝑇1 (𝑋1 , … , 𝑋𝑛 ) y 𝑇2 (𝑋1 , … , 𝑋𝑛 ) son
dos estimadores tales que al intervalo
I = [𝑇1 (𝑋1 , … , 𝑋𝑛 ), 𝑇2 (𝑋1 , … , 𝑋𝑛 )] se le
llama intervalo de confianza para 𝜃
de coeficiente de confianza 1 – 𝛼.
Interpretación: De los distintos intervalos
numéricos construidos a partir de sucesivos
muestreos, un porcentaje del (1 – 𝛼 . )100%
contiene al verdadero valor del parámetro
desconocido 𝜃.
INTERVALO DE CONFIANZA PARA LA MEDIA
Μ DE UNA POBLACIÓN NORMAL CON
DESVIACIÓN TÍPICA CONOCIDA 𝜎
𝑠 𝑠
𝑥 − 𝑍𝛼 , 𝑥 − 𝑍𝛼
2 𝑛 2 𝑛
EJEMPLO
Se ha obtenido una muestra de 15
vendedores de una Editorial para estimar el
valor medio de las ventas por trabajador en
la Empresa.
La media y varianza de la muestra (en miles
de euros) son 5 y 2, respectivamente.
𝒏 − 𝟏 𝒔𝟐
𝝈𝟐
El cual es una variable aleatoria que tiene una distribución Chi
cuadrada con n -1 grados de libertad. Por lo tanto, podemos
emplear esta definición para estimar un intervalo de confianza ya
que lo que necesitamos es que.
𝟐 𝒏−𝟏 𝒔 𝟐
𝑷 X𝟏−𝜶 < 𝟐
< X𝟏−
𝜶 =𝟏−𝜶
𝟐 𝝈 𝟐
𝜎21
Que se simplifica a 3.425 < < 56.991
𝜎22
Al calcular las raíces cuadradas de los limites de confianza,
𝜎21
encontramos que un intervalo de confianza de 98% para 𝜎22
es.
𝜎21
1.851 < 2 < 7. 549
𝜎2
𝜎21
Como este intervalo no permite la posibilidad de que 𝜎22
sea
igual a 1, es correcto suponer que 𝜎1 ≠ 𝜎2 o 𝜎21 ≠ 𝜎22 .
Hasta este momento todos los intervalos de confianza presentando
son de la forma.
Estimación puntual ± 𝐾 s.e (estimación puntual),
Donde K es una constante (ya sea t o punto porcentual de la
norma). Éste es el caso cuando el parámetro es una medida,
diferencia entre medidas, proporción o diferencia entre
proporciones. Sin embargo, esto no se aplica a varianzas y
razones de varianzas.
4.3 INTERVALOS DE
CONFIANZA DE
PROPORCIONES
Una proporción muestral 𝑃 es un estimador puntual (un número)
de la proporción en la población P .
𝑃 1−𝑃
𝑃 ± 1, 96
𝑛
4.4 INTERVALOS DE
CONFIANZA PARA LAS
DIFERENCIAS
Cuando tenemos razones para suponer que la varianza no es
común, no podemos utilizar el estadístico anterior. Hemos de
destacar que, en esta situación, no existe un método exacto que
permita obtener el intervalo de confianza deseado. Lo más que
tenemos son aproximaciones a la solución. Un intervalo
aproximado con nivel de confianza (1 − α) · 100 % es.
𝑠1 𝑠2 𝑠1 𝑠2
𝑥 − 𝑥 − 𝑧𝛼 ∙ + ≤ 𝜇1 − 𝜇2 ≤ 𝑥 − 𝑥 + 𝑧𝛼 ∙ +
2 𝑛1 𝑛2 2 𝑛1 𝑛2
Donde Ŝ1 y Ŝ2 son las varianzas muéstrales corregidas para cada
población y donde tα/2 es el valor de una distribución t de Student
con g grados de libertad, donde.
2
𝑆21 𝑆22
𝑛1 + 𝑛2
𝑔= 2 2
−2
𝑆21 𝑆22
𝑛1 𝑛2
+
𝑛1 + 1 𝑛2 + 1
PRUEBAS DE
HIPOTESIS
5.1 PRUEBA DE HIPOTESIS
PARA LA MEDIA
• Sea 𝑥1 , 𝑥2 , … , 𝑥𝑛 una muestra aleatoria de una de una
población con media µ 𝑥 y varianza 𝜎2𝑥 . Si el tamaño de la
muestra es grande y 2𝜎2𝑥 es conocida, el Teorema Central
𝑥− 𝜇 𝑎𝑝𝑟𝑜𝑥
del Límite garantiza que 𝜎𝑥 𝑛 + ∞. Y de esta
𝑛
manera un Intervalo de confianza aproximado al 100 1( −
α)% para µ 𝑥 es de la forma:
𝜎𝑥 𝛼
𝑥 ± 𝑧𝛼 2 , Donde 𝑃 𝑍 > 𝑧𝛼 2 =
𝑛 2
Si 𝜎2𝑥 es desconocida, esta es estimada usando la varianza
Muestral:
1
𝑆2𝑥 = 𝑛
𝑖=0 𝑥1 − 𝑥 2 y un Intervalo de Confianza aproximado al
𝑛−1
𝜎𝑥
100 1( − α) % para µ 𝑥 es de la forma; 𝑥 ± 𝑧𝛼 2 Si µ0 es un valor
𝑛
particular para µ𝑥 , podemos establecer tres hipótesis alternativas
respecto al valor real de µ :
𝐻𝑎 : 𝜇𝑥 < 𝜇𝑜
𝐻𝑜 : 𝜇 𝑥 = 𝜇𝑜 VS 𝐻𝑎 : 𝜇𝑥 > 𝜇𝑜
𝐻𝑎 : 𝜇𝑥 ≠ 𝜇𝑜
𝑥− 𝜇 𝑥
Estadístico de prueba: 𝑍𝑐 = 𝑠𝑥
𝑛
𝑅. 𝐶 = 𝑍𝑐 𝑍𝑐 < −𝑧𝛼
𝑅. 𝐶. = 𝑍𝑐 𝑍𝑐 > 𝑧𝑐
𝑅. 𝐶. = 𝑍𝑐 𝑍𝑐 < 𝑧𝛼 2
PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE MEDIA
𝐻𝑜 : 𝜎2 = 𝜎20
𝐻𝑎 : 𝜎2 > 𝜎20
𝐻𝑜 : 𝜎2 ≤ 𝜎20
𝐻𝑎 : 𝜎2 < 𝜎20
𝐻𝑎 : 𝜎2 ≠ 𝜎20
Con para 𝜎20 denotar el valor hipotético de la varianza poblacional,
las tres formas de una prueba de hipótesis son:
2
𝑛 − 1 𝑠 (24 − 1)(4.9)
𝑋2 = 2 = = 28.18
𝜎0 4
Si el estadístico de prueba es menor que el valor crítico, se
rechaza 𝐻0 , de manera contraria se acepta. Por lo tanto para esta
prueba, tenemos que: 28.18 < 35.172, se rechaza 𝐻0