Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Trabajo de Probabilidad
Trabajo de Probabilidad
Profesora: Estudiantes:
C.I.:15.707.797
Eulimar Sotillo
C.I.:26.070.635
Richard M. Teherán
C.I.:28.143.296
Eduardo Triana
C.I.:26.548.629
Págs.
Introducción……………………………………………………………………………. 3
Distribución de Muestreo……………………………………………………………... 6
Muestreo al Azar……………………………………………………………………..… 7
Distribución F de Shicher……………………………………………………………… 9
Diferencia de Media……………………………………………………………….…… 10
Error Estandar………………………………………………………………………….. 10
Conclusión……………………………………………………………………….……… 11
Bibliografía............................................................................................................
12
.
Anexo…………………………………………………………………………………..... 13
2
Introducción
3
Ley de los Grandes Números.
La ley de los grandes números pertenece a la parte de las matemáticas que
mide la frecuencia con la que se obtienen todas las formas posibles que se
pueden dar en un suceso, es decir, la probabilidad.
4
En la literatura, a este tipo de desigualdades, cuya característica es la
comparación de la probabilidad de la cola de la distribución y su valor esperado,
se le conoce como desigualdades tipo Chebyshov.
Esta ley se cumple si en una sucesión de variables aleatorias (Xn), {Xn - E[Xn]} se
aproxima al límite de probabilidad 0.
5
La Ley Fuerte: esta ley afianza la ley débil, puesto que se va a establecer
la convergencia con probabilidad 1 en vez, solamente, convergencia en
probabilidad.
Ejemplo:
Distribución de Muestreo.
6
Elaboración de un modelo: en caso de establecer un modelo teórico, se
replantea el procedimiento y se llega a una conclusión lógica. Los posibles
modelos son distribuciones de probabilidad.
Muestreo al Azar.
Ejemplo:
7
Un procedimiento muy útil y de amplia aplicación para tomar muestras al
azar consiste en utilizar números al azar, tal como se describe en la mayor parte
de los libros de estadística. A cada individuo de la población de la cual se quiere
extraer una muestra se le atribuye un número, y los que se tomen como muestra
estarán determinados por la tabla de números al azar. Por ejemplo, si se quieren
elegir 5 individuos entre 100, como una muestra, y los 5 primeros números de la
tabla son 3, 47, 43, 73 y 86, se tomarán los individuos correspondientes a estos
números. Cuando la cantidad de individuos no sea exactamente 100 (o 1.000,
etc.) saldrán números que no correspondan a ningún individuo, y no se tendrán en
cuenta. Esta pérdida de tiempo puede ser reducida atribuyendo a cada individuo
dos o más números, con tal de que todos tengan igual cantidad de números.
Supongamos, por ejemplo, que se quieren tomar 5 unidades de una población de
24; en este caso, a cada individuo se le adscriben cuatro números; así la primera
unidad tendrá, por ejemplo, los números 01 al 04, etc., la 24 tendrá 93-96, con lo
que quedarán sólo cuatro números, 97-100, sin utilizar. Los individuos sometidos
al muestreo, que corresponden a la serie previa de 5 números al azar, serían
entonces los números 1, 12, 11, 16 y 22 (si uno de los números al azar es 97 o
más, se descarta y se toma otro). En lugar de escoger todas las unidades en la
muestra individualmente de la tabla de números al azar, las unidades se pueden
tomar a intervalos regulares, por ejemplo, cada 5 ó 100 individuos, y solamente el
primero elegido utilizando los números al azar. En el primer ejemplo, la muestra
era de 1/20 de la población, de modo que el intervalo de la muestra será 20 y
como el primer número elegido al azar era el 3, los siguientes serían 23, 43, 63 y
83. Este sistema es peligroso si en la población hay una periodicidad natural
equivalente al intervalo elegido; por ejemplo, en el caso de someter a muestreo los
desembarcos totales en un puerto, no se debe anotar la captura cada 7 ó 14 días,
puesto que pudiera haber grandes variaciones sistemáticas asociadas a los
distintos días de la semana.
8
La distribución χ² tiene muchas aplicaciones en inferencia estadística. La
más conocida es la de la denominada prueba χ² utilizada como prueba de
independencia y como prueba de bondad de ajuste y en la estimación de
varianzas. Pero también está involucrada en el problema de estimar la media de
una población normalmente distribuida y en el problema de estimar la pendiente
de una recta de regresión lineal, a través de su papel en la distribución t de
Student.
Distribución F de Shicher.
Diferencia de Media.
Error Estándar.
•
x es el símbolo para error estándar de la media.
• es la desviación estándar de la población.
• n es el tamaño de la muestra.
Conclusión
10
En el desarrollo de esta investigación se resumen algunas características
de las muestras, en este sentido se tiene que en la práctica se ha venido
destacando la necesidad de seleccionar una muestra donde cada elemento de la
población o universo tenga una probabilidad conocida de ser seleccionado, para
lograr esto debemos elegir un tipo de muestreo probabilística con la finalidad que
el error del muestreo lo asuma simplemente el azar.
Por otra parte, el objetivo que persigue una muestra es que permite
efectuar estimaciones de valores del universo a partir de medidas obtenidas de la
misma, y al mismo tiempo permiten realizar cálculos de la seguridad o
confiabilidad de tales estimaciones de manera más precisas utilizando pruebas
estadísticas de hipótesis acerca del universo.
11
Bibliografía
http://www.probabilidaejercicios.com
www.htt/librosdeestadisticaprobabilistica.com
https://estadisticaorquestainstrumento.wordpress.com/2013/01/07/la-distribucion-f-
de-fisher/
www.ejemploetaditico.com
12
ANEXOS
13
14
15