Está en la página 1de 20

DISTRIBUCION DE PROBABLIDAD

DISTRIBUCION DISCRETA DE PROBABILIDAD


1. DISTRIBUCIÓN UNIFORME ~U(X = x, Pi = Pj )

Su característica principal es que todos los eventos o posibles resultados del experimento tiene
la misma probabilidad de ser seleccionada.

1 Donde: b = al mayor valor que toma la variable X


P(X = x) =
b-a+1 a = es el menor valor de X

Media aritmética de la ~U Varianza de la ~U


(a + b) (b-a+1)²-1 √‾σ±δ
µ= δ²=
2 12

Esperanza matemática E(X) E(X)= ∑X*P(X) Varianza poblacional


Es la media poblacional δ² = ∑(X-E(X))²*P(X)

Ej 1: Se lanza un dado, todos los resultados del lanzamiento del dado tienen la misma probabilidad

X P(X) X*Pi (X-E(X))²*Pi 1 1 1


P(X = x) = = =
1 1/6 1/6 1 1/24 b-a+1 6-1+1 6
2 1/6 1/3 3/8
3 1/6 1/2 1/24 a+b 1+6 7
µ= = = = 3.5
4 1/6 2/3 1/24 2 2 2
5 1/6 5/6 3/8
6 1/6 1 1 1/24 E(X)= ∑X*P(X) 3 1/2 = 3.5
1 3 1/2 2 11/12
3.50 2.916667 (b-a+1)²-1 (6-1+1)² -1 35
δ² = = =
12 12 12

δ² = ∑(X-E(X))²*P(X) = 2 11/12 = 2.916667

Ej 2 Una urna contiene 10 fichas numeradas de del 5 al 14, Cualquier ficha puede ser seleccionada, puesto
que todas las fichas tienen la misma probabilidad.

X P(X) X*Pi (X-E(X))²*Pi 1 1 1


P(X = x) = = =
5 0.10 0.50 2.0250 b-a+1 14-5+1 10
6 0.10 0.60 1.2250
7 0.10 0.70 0.6250 a+b 5+14 19
µ= = = = 9.5
8 0.10 0.80 0.2250 2 2 2
9 0.10 0.90 0.0250
10 0.10 1.00 0.0250 E(X)= ∑X*P(X) 9 1/2 = 9.5
11 0.10 1.10 0.2250
12 0.10 1.20 0.6250 (b-a+1)²-1 (14-5+1)² -1 99
δ² = = = = 8.25
13 0.10 1.30 1.2250 12 12 12
14 0.10 1.40 2.0250
1.00 9.50 8.2500 δ² = ∑(X-E(X))²*P(X) = 8.25
8 1/4
DISTRIBUCION DE PROBABLIDAD
DISTRIBUCION DISCRETA DE PROBABILIDAD √‾σ±δ
2. DISTRIBUCIÓN BINOMIAL ~B(X = x, n = P)

Su característica principal es que todos los eventos o posibles resultados del experimento se agrupan en dos
conjuntos disyuntos llamados éxito y fracaso, son disyuntos por que su intercepción es vacío.

El tamaño de la población se mantiene constante en la elección de la muestra


Donde: C = Combinatoria
X = x Número de éxitos en la muestra
P(X = x) = nCx*Px*Q(n-x) n = Tamaño de muestra
P = Probabilidad del éxito
Q = 1-P = Probabilidad del fracaso

Media aritmética de la ~B Varianza de la ~B


µ = n*P δ²= n*P*Q

Esperanza matemática E(X) E(X)= ∑X*P(X) Varianza poblacional


Es la media poblacional δ² = ∑(X-E(X))²*P(X)

Ej 1: En un grupo de 50 personas, 30 tiene menos de 20 años, se van a seleccionar 5 personas, desarrolle S el


espacio muestral para el numero de jóvenes < de 20 años dentro del grupo de las 5 seleccionadas.

~B(X = x, n = 5, P = 30/50 = 3/5) P(X = x) = 5Cx*Px*Q(5-x) =

X P(X) X*P(X) (X-E(X))²*Pi


0 5C0*(3/5)^0*(2/5)^(5-0)= 1 1.000 0.010 0.01024 0.0000 0.09216
1 5C1*(3/5)^1*(2/5)^(5-1)= 5 0.600 0.026 0.07680 0.0768 0.30720
2 5C2*(3/5)^2*(2/5)^(5-2)= 10 0.360 0.064 0.23040 0.4608 0.23040
3 5C3*(3/5)^3*(2/5)^(5-3)= 10 0.216 0.160 0.34560 1.0368 0.00000
4 5C4*(3/5)^4*(2/5)^(5-4)= 5 0.130 0.400 0.25920 1.0368 0.25920
5 5C5*(3/5)^5*(2/5)^(5-5)= 1 0.078 1.000 0.07776 0.3888 0.31104
1.00000 3.0000 1.20000

P = 30/50 = 3/5 Q= 1-P = 20/50 = 2/5 √‾σ±δ

Media aritmética de la ~B Varianza de la ~B


µ = n*P = 5*3/5 = 3 δ²= n*P*Q = 5*3/5*2/5 = 6/5 = 1.2

Esperanza matemática E(X) E(X)= ∑X*P(X) = 3.00 Varianza poblacional


Es la media poblacional δ² = ∑(X-E(X))²*P(X) =

Ej 2: El 37% de las personas fallecidos por el corona virus son de sangre A+, si mueren 4 personas, desarrolle
el espacio muestras S para el tipo de sangre A+
P= 0.37 Q= 0.63 n= 4 P(X =x) = 4Cx*Px*Q(4-x)

X P(X) X*P(x) (X-E(X))²*Pi µ = n*P = 1.48


0 1 1.00 0.16 0.158 0.00 0.345053
1 4 0.37 0.25 0.37 0.37 0.085264 E(X)= ∑X*P(X)= 1.48
2 6 0.14 0.40 0.326 0.65 0.088154
3 4 0.05 0.63 0.128 0.38 0.294912 δ²= n*P*Q = 0.9324
4 1 0.02 1.00 0.019 0.07 0.119017
1.00 1.48 0.932400 δ²= ∑(X-E(X))²*P(X)= 0.9324
DISTRIBUCION DE PROBABLIDAD
DISTRIBUCION DISCRETA DE PROBABILIDAD
3. DISTRIBUCIÓN HIPERGEOMETRICA ~H(X = x, A , x, n, N)

an en dos Su característica principal es que todos los eventos o posibles resultados del experimento se agrupan en dos
conjuntos disyuntos llamados éxito y fracaso, son disyuntos por que su intercepto es vacío, además el tamaño de
la población disminuye en cada extracción.
Donde: C = Combinatoria
X = x es el numero de éxitos en la muestra
A = Total de éxitos en la población
P(X = x) = ACx*(N-A)C(n-x)/NCn =
n = Tamaño de muestra
N = Tamaño de la población
P = A/N

P(X =x) = ACx*(N-A)C(n-x)/NCn

µ = n*P Გ²= n*P*Q*((N-n)/(N-1))

E(X)= ∑X*P(X) Გ²= ∑(X-E(X))²*P(X)

sarrolle S el Ej 1: Se va a elegir una junta directiva de 4 personas de un grupo de 10 personas entre las que hay 5 hombres
y 5 mujeres, sea el éxito salga mujer. Desarrolle el espacio muestral para el éxito salga mujer.

~H(X = x, A = 5, n = 4, N= 10) P(X =x) = ACx*(N-A)C(n-x)/NCn

X P(X) X*P(X) (X-E(X))²*Pi


0 5C0*5C4/10C4= 1 5 210 0.02381 0.000000 0.095238
1 5C1*5C3/10C4= 5 10 210 0.23810 0.238095 0.238095
2 5C2*5C2/10C4= 10 10 210 0.47619 0.952381 0.000000
3 5C3*5C1/10C4= 10 5 210 0.23810 0.714286 0.238095
4 5C4*5C0/10C4= 5 1 210 0.02381 0.095238 0.095238
1.00000 2.000000 0.666667

P= 5/10 = 0.5 Q = 1-P = 0,5 2/5

µ = n*P = 4*5/10 = 2 δ²= n*P*Q*((N-n)/(N-1))= 4*5/10*5/10*6/9 =

E(X)= ∑X*P(X) 2 δ²= ∑(X-E(X))²*P(X) 0.6667

1.2

desarrolle
DISTRIBUCION DE PROBABLIDAD
DISTRIBUCION DISCRETAS DE PROBABILIDAD
4. DISTRIBUCIÓN DE POISS0N ~P(X = x, ƛ)

agrupan en dos Se utiliza cuando se quiere determinar el número de éxitos (variable discreta) en una unidad de tiempo
demás el tamaño de o en un área (variable continua)
Se dice que se da un proceso de POISSON se pueden observar evento discretos en intervalos continuos
de tiempo, duración o de área.
a muestra
e(-λ) * λx X = x es el numero de éxitos en la muestra
P(X =x) =
x! λ = Promedio de éxitos en una unida continua pe

Es poder observa un éxito en un intervalo

µ =λ δ²= λ=

E(X)= ∑X*P(X) = λ δ²= ∑(X-E(X))²*P(X) = λ

Se va a estudiar el numero de llamadas a una central telefónica por hora, se reciben normalmente 120
llamadas por día. Desarrolle el espacio muestral y demuestre la igualdad de los parámetros.
ue hay 5 hombres
X P(X) X*P(X) (X-E(X))²*Pi
0 0.0067379 1 1 0.006738 0.000000 0.168449
1 0.0067379 5 1 0.033690 0.033690 0.539036
2 0.0067379 25 2 0.084224 0.168449 0.758019
3 0.0067379 125 6 0.140374 0.421122 0.561496
4 0.0067379 625 24 0.175467 0.701869 0.175467
5 0.0067379 3125 120 0.175467 0.877337 0.000000
6 0.0067379 15625 720 0.146223 0.877337 0.146223
≥7 0.0067379 0.237817 1.920197 2.651311
1.000000 5.000000 5.000000

µ = λ = 120/24 = 5 δ²= λ= 5

E(X)= ∑X*P(X) = 5 δ²= ∑(X-E(X))²*P(X) =


0.66667
DISTRIBUCIÓN DE PROBABILIDAD
DISTRIBUCIÓN CONTINUA
DISTRIBUCIÓN NORMAL ESTANDAR O CAMPANA DE GAUSS ~N(µ,δ)
3.5
unidad de tiempo 3

2.5
ntervalos continuos
2

1.5

os en la muestra 1

en una unida continua pedida 0.5

0
-3.5 -3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5

1. Es de gran importancia pues la gran mayoría de los fenómenos naturales o de vida se comporta
como la curva normal
2. Se utiliza como herramienta para el calculo de probabilidades de distribuciones discretas de difícil ma
normalmente 120 3. Proporciona la base para la inferencia estadística clásica por su relación con el teorema del Limite C

Propiedades:
1. Tiene forma de campana de apariencia simétrica
2. Sus medidas de tendencia central (Media, Mediana, Moda, Rango Medio, y Eje Medio) Son idénticos
3. Su dispersión media es 1,33 de la desviación estándar.
4. la variable aleatoria asociada tiene rango infinito (- ∞ ≤ X ≤ ∞)

Modelo Matemático π= Número Pi = 3,1416


δ²= Varianza poblacional
1 µ= Media poblacional
f(x) = e-1/2*((x-µ)/δ)2
raiz(2π)δ e= número neperiano = 2,718281
X=x Valor que toma la variable

Para aplicar la curva normal a cualquier variable asociada a la información, esta debe ser estandarizad
La formula de estandarizar es:
E(X))²*P(X) = 5 X-µ 1
z= => f(z) = e-1/2*Z2
δ raiz(2π)
Ej. 1. Las calificaciones de un examen final de 35 estudiantes de Ing. Ambienta tiene comportamiento d
curva normal con media 3,4 y desviación estándar de 0,25 ~N(µ = 3,4 ; δ= 0,25)

Preguntas: 1. Cual es la probabilidad de que un estudiante saque notas < 2,9


2. Cual es la probabilidad de que un estudiante saque notas entre 2 y 2,5
3. Cual es la probabilidad de que un estudiante saque notas < 2,5 o > 4,5
4. Cual es la probabilidad de que un estudiante saque notas entre 2,7 y 3,7
5. Cual es la probabilidad de que un estudiante saque notas > 4
6. Cual es la probabilidad de que un estudiante saque notas entre 3,7 Y 4,1

1. Cual es la probabilidad de que un estudiante saque notas < 2,9


Z = (2,9-3,4)/0,25 = -2.00 A(Z=2) = 0.47725 A(I) = 0,5-0,47725 =

2. Cual es la probabilidad de que un estudiante saque notas entre 2 y 2,5


Z = (2,-3,4)/0,25 = -5.60 A(Z=-5,6) = 0.5
Z = (2,5-3,4)/0,25 = -3.60 A(Z=-3,6) = 0.49984 A(I) = 0.00016

4. Cual es la probabilidad de que un estudiante saque notas entre 2,7 y 3,7


Z = (2,7-3,4)/0,25 = -2.800 A(Z=2,8) = 0.49744
Z = (3,7-3,4)/0,25 = 1.200 A(Z=1,2) = 0.38493 A(I) = 0.88237

6. Cual es la probabilidad de que un estudiante saque notas entre 3,7 Y 4,1


Z = (3,7-3,4)/0,25 = 1.200 A(Z=1,2) = 0.38493
Z = (4,1-3,4)/0,25 = 2.800 A(Z=-3,6) = 0.49984 A(I) = -0.11491

0.49865 3,4 + 3 * 0,25 = 4.15


99.73 El 99,7% de las calificaciones
0.9973 3,4 - 3 * 0,25 = 2.65 están entre 2,65 y 4,15
DISTRIBUCIÓN DE PROBABILIDAD
-3.5 0.1 DISTRIBUCIÓN CONTINUA
-3.0 0.2 DISTRIBUCIÓN NORMAL ESTANDAR O CAMPANA DE GAUSS ~N(µ,δ)
-2.5 0.4 La normal como herramienta para el calculo de probabilidades de distribuciones discretas de ted
-2.0 0.7
-1.5 1.1 DISTRIBUCION MEDIA DESV. ESTANDAR
-1.0 2.2
NORMAL µ δ
-0.5 2.8
0.0 3.0 a+b RAIZ(b-a+1)2-1
UNIFORME
0.5 2.8 2 12
1.0 2.2
BINOMIAL n*P RAIZ(n*P*Q)
1.5 1.1
1.0 1.5 2.0 2.5 3.0
2.0 0.7 n*P*Q*(N-n)
HIPERGEOMETRICA n*P
2.5 0.4 N-1
3.0 0.2
POISSON λ RAIZλ
de vida se comporta

nes discretas de difícil manejo Ej. 1. La distribución binomial y la distribución normal


n el teorema del Limite Central El grupo de Fundamentos de estadística de ingeniería ambiental tiene 16 alumnos y 10 de ellos
se va a seleccionar un grupo de 5 estudiantes, elabore una distribución binomial y una distribuci

~B(X = x, n = 5, P = 10/16 = 5/8 = 0,625)


Eje Medio) Son idénticos.
~N(µ = nP = 5*5/8 = 25/8 = 3,125 , δ2=n*P*Q = 5*5/8*3/8 = 75/64 = 1,171875 )

X nCx P^x Q^(n-x) P(X) X*P/X) (X-E(X))2*P(X)


0 1 1.000000 0.007416 0.007416 0.000000 0.072420
1 5 0.625000 0.019775 0.061798 0.061798 0.279057
2 10 0.390625 0.052734 0.205994 0.411987 0.260711
2,718281 3 10 0.244141 0.140625 0.343323 1.029968 0.005364
4 5 0.152588 0.375000 0.286102 1.144409 0.219047
5 1 0.095367 1.000000 0.095367 0.476837 0.335276
ta debe ser estandarizada 1.000000 3.125000 1.171875

µ=nP=5*5/8=25/8 = 3.125 δ2= n*P*Q=5*5/8*3/8=75/64 =


e-1/2*Z2
a tiene comportamiento de E(X)= ∑X*P(X) = 3.12500 δ² = ∑(X-E(X))²*P(X) = 1.171875
µ = 3,4 ; δ= 0,25) δ = raíz(1,171875) = 1.082532

X de la discreta = X± 0,5 de la continua P+Q =1 P=0,625=5/8


re 2 y 2,5
,5 o > 4,5 X'i-1 = X-0,5 X-µ Xi-n*P Xi - 3,125
X'i = X+0,5 Z= = =
re 2,7 y 3,7 δ n*P*Q 1.082532
re 3,7 Y 4,1 Probabilidad del intervalo utilizando la normal del Excel
X X'i-1 X'i Z'i-1 Z'i A(Z'i-1 ) A(Z'i) A(I)=P(X) Nor
0 -0.5 0.5 -3.35 -2.42 0.000406 0.007657 0.007251
0,5-0,47725 = 0.02275 1 0.5 1.5 -2.42 -1.50 0.007657 0.066663 0.059007
2 1.5 2.5 -1.50 -0.58 0.066663 0.281851 0.215188
3 2.5 3.5 -0.58 0.35 0.281851 0.635483 0.353631
4 3.5 4.5 0.35 1.27 0.635483 0.897988 0.262505
0.00016 5 4.5 5.5 1.27 2.19 0.897988 0.985880 0.087892
0.985474

Probabilidad del intervalo utilizando la tabla de la curva normal


0.88237 X X'i-1 X'i Z'i-1 Z'i A(Z'i-1 ) A(Z'i) A(I)=P(X) Nor
0 -0.5 0.5 -3.09 -2.24 0.499000 0.487500 0.011500
1 0.5 1.5 -2.24 -1.39 0.487500 0.417700 0.069800
2 1.5 2.5 -1.39 -0.53 0.417700 0.201900 0.215800
-0.11491 3 2.5 3.5 -0.53 0.32 0.201900 0.125500 0.327400
4 3.5 4.5 0.32 1.17 0.125500 0.379000 0.253500
las calificaciones 5 4.5 5.5 1.17 2.03 0.379000 0.478800 0.099800
2,65 y 4,15 0.977800
DISTRIBUCIÓN DE PROBABILIDAD CONTINUA
DISTRIBUCIÓN NORMAL ESTANDAR ~N(µ,δ) Y LA DISTRIBUCIÓN HIPERGEOMÉTR

buciones discretas de tedioso manejo. Ej. 2 El 50% de los alumnos van en línea, 16 son el total de alumnos, desarrolle el S y
para el calculo de las probabilidades y compare sus resultados. Se seleccionan 5 person

P = A/N = 8/16=0,5 Q = 05 ~H(X = x, A = 8, n = 5, N = 16)

µ = nP = 5*8/16 = 40/16=2,5 δ = RAIZ(n*P*Q*(N-n)/(N-1)) =


δ = RAIZ(5*0,5*0,5*11/15) =

~N(µ = 2,5 ; δ= 0,957427) ) A' = N-A = 16-8 = 8

X ACx A´Cx' NCn P(X) X*P/X) (X-E(X))2*P(X)


0 1 56 4368 0.012821 0.000000 0.080128
1 8 70 4368 0.128205 0.128205 0.288462
2 28 56 4368 0.358974 0.717949 0.089744
3 56 28 4368 0.358974 1.076923 0.089744
16 alumnos y 10 de ellos son mujeres, 4 70 8 4368 0.128205 0.512821 0.288462
binomial y una distribución normal 5 56 1 4368 0.012821 0.064103 0.080128
1.000000 2.500000 0.916667

p(X=x) = ACx*(N-A)C(n-x)/NCn
171875 )
µ = n*P = 5*8/16 = 2.5 E(X)= ∑X*P(X) = 2.50000
(X-E(X)) *P(X)
2

0.072420 n*P*Q*(N-n) 5*0,5*0,5*11 11


δ²= = = = 0.91667
0.279057 (N-1) 15 12
0.260711
0.005364 δ²= ∑(X-E(X))²*P(X) = 0.91666667 δ= raíz(0,9166667) =
0.219047
0.335276 Probabilidad del intervalo utilizando la distribución normal del Excel
1.171875 X X'i-1 X'i Z'i-1 Z'i A(Z'i-1 ) A(Z'i) A(I)=P(X) Nor
0 -0.5 0.5 -3.13 -2.09 0.000864 0.018357 0.017493
1.171875 1 0.5 1.5 -2.09 -1.04 0.018357 0.148135 0.129778
2 1.5 2.5 -1.04 0.00 0.148135 0.500000 0.351865
1.171875 3 2.5 3.5 0.00 1.04 0.500000 0.851865 0.351865
1.082532 4 3.5 4.5 1.04 2.09 0.851865 0.981643 0.129778
5 4.5 5.5 2.09 3.13 0.981643 0.999136 0.017493
Q=0,375=3/8 0.998272

Probabilidad del intervalo utilizando la tabla de la curva normal


X X'i-1 X'i Z'i-1 Z'i A(Z'i-1 ) A(Z'i) A(I)=P(X) Nor
0 -0.5 0.5 -3.13 -2.09 0.499130 0.481690 0.017440
1 0.5 1.5 -2.09 -1.04 0.481690 0.350830 0.130860
P(X) Binomial diferencia 2 1.5 2.5 -1.04 0.00 0.350830 0.000000 0.350830
0.007416 -0.000165 3 2.5 3.5 0.00 1.04 0.000000 0.350830 0.350830
0.061798 -0.002792 4 3.5 4.5 1.04 2.09 0.350830 0.481690 0.130860
0.205994 0.009194 5 4.5 5.5 2.09 3.13 0.481690 0.499130 0.017440
0.343323 0.010309 0.998260
0.286102 -0.023597
0.095367 -0.007476
1.000000 0.014526

P(X) Binomial diferencia


0.007416 -0.004084
0.061798 -0.008002
0.205994 -0.009806
0.343323 0.015923
0.286102 0.032602
0.095367 -0.004433
1.000000 0.022200
DISTRIBUCION MUESTRALES
UCIÓN HIPERGEOMÉTRICA ~H(X=x, A, n, n)
Un objetivo importante del análisis de los datos es uso de los estadísticos como la
umnos, desarrolle el S y utilice la curva normal de la muestra a fin de estimar los valores reales correspondientes en la población
Se seleccionan 5 personas. El proceso de generalizar estos valores muéstrales a la población se conoce com
que es estimar los Parámetros de la Población,
= 5, N = 16)
DISTRIBUCIÓN MUESTRAL DE LA MEDIA
(N-n)/(N-1)) = Se utiliza la Media aritmética, aunque no siempre es la mejor medida de tendenci
0,5*11/15) = RAIZ(11/12) = 0.9574270 las siguientes propiedades en poblaciones normales.
1. La falta de sesgo
x' = n-x = 5-x 2. La eficiencia
3. La consistencia

1. La falta de sesgo incluye el echo que la media de todas las medias de muestra
a la media poblacional
Ej. Una empresa estudia los errores ortográficos de las 4 secretarias

Secr # Err (X - µx)2


A 3 (3-2,5)^2 0.25 µx = ∑X / N =
B 2 (2-2,5)^2 0.25
C 1 (1-2,5)^2 2.25 δx= raíz(∑ (X - µx)2 / N ) =
D 4 (4-2,5)^2 2.25
10 5
2.50000
Se toman muestras de tamaño n = 2. N =4 n=2
No importa el orden de los valores que pertenecen a la muestra
0.91667 ⴟi
Mi
3 y 2 (3+2)/2 = 2.5 µⴟi = ∑ ⴟi / N = (2,5+2+3,5+1,5+3+2,5)
,9166667) = 0.95743 3 y 1 (3+1)/2 = 2.0
3 y 4 (3+4)/2 = 3.5 µⴟi = µx = 2.5
2 y 1 (2+1)/2 = 1.5
A(I)=P(X) Nor P(X) Hiperg diferencia 2 y 4 (2+4)/2 = 3.0 La media muestral es estimador insesgado d
0.017493 0.012821 0.00467 1 y 4 (1+4)/2 = 2.5
0.129778 0.128205 0.00157 15.0
0.351865 0.358974 -0.00711
0.351865 0.358974 -0.00711 2. Eficiente
0.129778 0.128205 0.00157 Se refiere a la precisión del estadístico muestral como un estimador del parámetr
0.017493 0.012821 0.00467 distribuciones como la normal se considera que la media aritmética es mas estab
0.998272 1.000000 0.00173 otra, que otras medidas de tendencia central. Para cualquier tamaño de muestra
se acercara mas a la media poblacional que cualquier otro estimador insesgado.

A(I)=P(X) Nor P(X) Hiperg diferencia 3. La consistencia se refiere al efecto del tamaño de la muestra sobre la utilidad d
0.017440 0.012821 0.00462 Según aumenta el tamaño de la muestra la variación de la media muestral de la m
0.130860 0.128205 0.00265 se torna cada vez mas pequeña. Convirtiéndose en la media muestral como el m
0.350830 0.358974 -0.00814 media poblacional
0.350830 0.358974 -0.00814
0.130860 0.128205 0.00265 ERROR ESTANDAR DE LA MEDIA
0.017440 0.012821 0.00462
0.998260 1.000000 0.00174 δⴟi = raíz(∑ (ⴟi - µⴟi)2 / N ) = raíz((2,5-2,5)2+(2-2,5)2+(3,5-2,5)2+(1,5-2,5)2+

δⴟi = raíz(0+0,25+1+1+0,25+0) = raíz(2,5) = 1.58113883

δx 1.5811380
δⴟi = = = 1.118033402
raíz(n) 1.414213562

La desviación estándar de la población es la desviación estándar de las medias d


por la raíz de 2
MUESTREO DE POBLACIONES NORMALES

e los estadísticos como la media y la proporción Si mi población estudio se distribuye normalmente, los valores de la variab
ondientes en la población.
población se conoce como Inferencia Estadística. X - µx NCn N=10 n=3
Z= δx 10C3 = 120 Muestras

y por tanto sus medias aritméticas muestrales también se distribuyen norm


mejor medida de tendencia central, porque tiene
ⴟ - µⴟ ⴟ - µx
Z= δⴟ = δx/raíz(n)

Ejemplo: En un proceso de producción de llenado de paquetes de cereal d


la cantidad de cereal en la caja tiene distribución normal con una media de
as las medias de muestra de tamaño n es igual desviación estándar de la población es de 15 gr.

4 secretarias Si de varios millares de cajas que se llenan en un día se selecciona al aza


el peso promedio para esta muestra, que resultado se podría esperar?

(3+2+1+4)/4=10/4 = 2.5 1. cual es la probabilidad de encontrar una media de 365 gr en los 25 paq

∑ (X - µx)2 / N ) = raíz(5/4)= 1.1180340 ⴟ - µⴟ ⴟ - µx 365-368


Z= δⴟ = δx/raíz(n) =
15/raíz(25)

A(Z = -1) = A(Z=1) = 0.34134 => P(365 ≤ X ≤ 368) =


4C2 = 6
O el 34,13% de las muestras de 25 paquetes de cereales tienen peso entr

(2,5+2+3,5+1,5+3+2,5)/6 = 15/6 = 2.5 2. Que porcentaje de la empacada de los cereales tendrían un peso entre

X - µx 365-368 -3
Z= δx = -0.2
15 15
es estimador insesgado de la media poblacional O el 7,93% de los paquetes de cereales empacados tienen pesos entre 36

n estimador del parámetro poblacional, para


aritmética es mas estable de una muestra a
uier tamaño de muestra en promedio la media
ro estimador insesgado.

muestra sobre la utilidad de un estimador.


la media muestral de la media de la población
edia muestral como el mejor estimador de la

5)2+(3,5-2,5)2+(1,5-2,5)2+(3-2,5)2+(2,5-2-5)2 ) =

estándar de las medias de la muestra dividido


MUESTREO DE POBLACIONES NO NORMALES
No todas las poblaciones se comportan normalmente o es poco rea
e, los valores de la variable se estandarizan y tenemos: y es necesario examinar la distribución muestral de la media para p
Esto conduce a:
Teorema del Limite Central
Según el tamaño de la muestra (el número de observaciones en ca
se puede aproximar mediante la distribución normal la distribución
mbién se distribuyen normalmente mente de la forma de la distribución de los valores individuales en

Se han realizado estudios estadísticos para determinas que tan gra


normalmente la distribución muestral de medias y un tamaño de 30
En poblaciones simétricas se pueden tomar muestras mas pequeñ
o de paquetes de cereal de 368 gramos se ajusta en forma tal que tara normalmente.
normal con una media de 368 gr. Por experiencia se sabe que la
DISTRIBUCIÓN MUESTRAL DE PROPORCIONES

día se selecciona al azar una muestra de 25 paquetes y se calcula Solo se ha hablado de la distribución de la media de las variables c
do se podría esperar? solo tenemos en cuenta es la proporción de éxitos
Número de resultados exitosos
P=
de 365 gr en los 25 paquetes. Número total de resultados

-3 Además el número de éxitos en una muestra de tamaño n se comp


= -1 δⴟ
3 n!
P(X = x éxitos) = Px*(1-P)n-x
x!*(n-x)!
P(365 ≤ X ≤ 368) = 0.34134 Hagamos x numero de éxitos en proporción de éxitos dividiendo x
X Número de éxitos
Ps = =
cereales tienen peso entre 365 y 368 gr en promedio. n tamaño de la muestra
El promedio (o proporción esperada de éxitos µPs) es igual a P, mi
s tendrían un peso entre 365 y 368 gr proporción de éxitos δPs es igual a la raíz(P*(1-P)/n)
Puesto que se supone que la distribución muestral de proporciones
=> A(Z=-2) = 0.07926 ⴟ - µⴟ Y debido a que se está tratando con proporc
Z= δⴟ Ps = Proporción de éxitos en la muestra
dos tienen pesos entre 365 y 368 gr por paquete. P = Proporción de éxitos en la población
δPs = Raíz(P*(1-P)/n)
Y al sustituir Ps por ⴟ, MPs por P y a 'δ ⴟ por raíz de P*(1-P)/n

ⴟ - µⴟ Ps - P
Z= δⴟ =
Raíz(P*(1-P)/n)

MUESTREO DE POBLACIONES FINITAS


Se considera que una población es finita cuando se conoce N.
Es decir, si no se conoce N se dice que la población es infinita.
Cuando N es conocido se utiliza un factor de corrección fpc
Por tanto en variables cuantitativas
δx
δⴟi = * raíz((N-n)/(N-1))
raíz(n)
RMALES ESTIMACIÓN
ormalmente o es poco realista asumir que esta se comporte normalmente,
uestral de la media para poblaciones que no tengan distribución normal.

o de observaciones en cada muestra) se vuelve lo ˝suficientemente grande˝


ón normal la distribución muestral de la media. Esto es cierto independiente
s valores individuales en la población.

ra determinas que tan grande es la muestra como para que se distribuya


medias y un tamaño de 30 es suficiente.
ar muestras mas pequeñas y su distribución muestral de medias se compor

RCIONES

a media de las variables cuantitativas, al examinar las variables cualitativas

stra de tamaño n se comporta como una ~ B


Donde: µ = n*P δ = RAIZ(n*P*(1-P))

ón de éxitos dividiendo x en n el tamaño de la muestra y obtenemos a P s

itos µPs) es igual a P, mientras que la desviación estándar de la


P*(1-P)/n)
muestral de proporciones tiene una distribución normal, se tiene que
stá tratando con proporciones muestrales
e éxitos en la muestra
e éxitos en la población

por raíz de P*(1-P)/n

cuando se conoce N.
población es infinita.
de corrección fpc fpc = raíz((N-n)/(N-1)) =
En variables cualitativas
δPs = raíz(P*(1-P)/n) * raíz((N-n)/(N-1))