I.S.F.D. Ins.

Albino Sanchez Barros

Inferencia estadístico
Trabajo practico Nª1
Marcos David Diaz Motedit

Marcos David Diaz Rene Ordoñez Turno Mañana

Motedit Lucia (Prof. Abscripta) 2020

marcos_diaz_97@hotmail.com
CONSIGNAS A DESARROLLAR

Respuestas

1. Defina qué es estadística, cuáles son sus ramas y cuál es nexo o puente
entre ambas.
La Estadística se ocupa de la recolección, agrupación, presentación, análisis e
interpretación de datos. También, no son sólo los resultados de los datos
cuantitativos y cualitativos, si no es un método científico que pretende sacar
conclusiones a partir de una observación o hechos reales.
La estadística se puede subdividir en dos grandes ramas: descriptiva e
inferencial.
 Estadística descriptiva: Se refiere a los métodos de recolección,
organización, resumen y presentación de un conjunto de datos. Se trata
principalmente de describir las características fundamentales de los
datos y, para ellos, se suelen utilizar indicadores, gráficos y tablas.
 Estadística inferencial: Se refiere a los métodos utilizados para poder
hacer predicciones, generalizaciones y obtener conclusiones a partir de
los datos analizados teniendo en cuenta el grado de incertidumbre
existente.
La puente disciplina puente entre Estadística Descriptiva y Estadística
Inferencial es la probabilidad, ya que, es la asignación de cada evento posible
de un experimento aleatorio que se establece una relación entre números de
sucesos favorable y el número total de sucesos posibles.

2. ¿Qué es la inferencia estadística? ¿Cuál es su objetivo? Y, ¿Cuáles son

los tres puntos clave que la componen?
La inferencia estadísticas el conjunto de métodos y técnicas que permiten
inducir, a partir de datos proporcionada por una muestra, lo cual es el
comportamiento de una determinada población con un riesgo de error mediable
en términos de probabilidad.
Los métodos de la inferencia estadístico se pueden dividir en tres: muestreo,
estimado y test de hipótesis. Estos métodos se basan en el conocimiento
teórico de la distribución de probabilidad estadístico muestral que se utiliza
como estimación de un experimento.
3. ¿Qué es una variable aleatoria? ¿Por qué se denomina aleatoria?
Explique la diferencia entre recorrido de una variable aleatoria y espacio
muestral de un experimento. Nombre las distintas formas de
representación de las variables aleatorias, y represéntelas a partir de un
ejemplo.
Una variable aleatoria son funciones que asigna un valor en el campo de los
numero reales, normalmente en forma numérica, es decir, que esta variable
asume un valor numérico único para cada uno de ellos resultados que
aparecen en el espacio muestral de un experimento de probabilidad.
Se denomina aleatoria porque el valor que asume es producto de un evento al
alzar o aleatoria.
Las diferencia que existe entre la variables aleatoria y espacio muestral es que
la variable aleatoria que es la posibilidad de cada valor posible, en cambio, el
espacio muestral es el conjunto de variables aleatoria.
Las distintas representaciones de variables aleatorias son:
 Gráfico de barras: en una empresa de 25 trabajadores se hace una encuesta
para saber el número de hijos que tiene cada trabajar. Representa los datos
recogidos en la siguiente tabla:

15
10
5
0 2 3 4 5
1

xi ni fi
1 2 0.08
2 6 0.24
3 10 0.40
4 6 0.24
5 1 0.04
25 1
 Circulo radiado: hacemos una encuesta a 30 alumnos de una clase para
saber su marca favorita.

13%

40%
A 40%

40%
27% B 40%
C
40%
D

20%

xi ni fi

A 12 0.4000
B 6 0.2000
C 8 0.2667
D 4 0.1333

30 1

 Histograma: una nutricionista hace una encuentra a sus 25 cliente para

calcular sus peso (Kg).

10
8

0
55-65 65-75 75-85 85-95

[ Li −1 , L1] ni ai

55-65 6 10
65-75 5 10
75-85 9 10
85-95 5 10

25
 4. ¿Cuántos tipos de variables aleatorias existen? Defina, ejemplifique, y
describa los gráficos por excelencia para cada una de ellas.
Las distintas formas de variables aleatorias son:
Variable aleatoria discreta: es aquella que puede asumir una cantidad
numerable de valor. Por ejemplo: se registra automóviles a una caseta de
peaje. Siendo V el número de vehículo que llega durante el periodo de un día.

V = { 0 ,2 , 3 , 4 , 5 … }

Se puede observar que puede (o no) llegar vehículos y que podremos contar la
cantidad de valores que asume V; por ello, la variable V es una variable
aleatoria.

Variable aleatoria continua: es aquella que puede asumir una cantidad

innumerable de valores dentro de cierto límite. Por ejemplo: si realizamos el
experimento en una granja y estudiamos el peso de las vacas, podemos definir
la variable como B el peso de la granja. Para primera vaca puede pesar
425.127 Kg, otra puede ser 612.586 Kg, otra 545.8965K Kg, etc. Si
observamos bien, se calcula en forma creciente teniendo un límite, pero
variando los valores y nunca terminar.
Se conoce que el becerro más pequeño tiene un peso de 30 kg, y la vaca más
grande tiene un peso de 1000 kg.

30 895.29 1000
60.589 901.546
95.22 209.52 350.68 612.96 825.99
876.126
576.89 664.25 901.546
689.65
568.45
598.56 715.29
Por ello, se trata de una variable aleatoria continua.
5. ¿Qué se entiende por distribución de probabilidad? Explique qué
representa una distribución de probabilidad.
La distribución de probabilidad es la enumeración de todos los resultados de un
experimento junto con las probabilidades asociadas a cada uno, es decir,
muestra los resultados esperados de un experimento y la probabilidad de cada
uno de sus resultados. Y esto representa la población, es decir, representa
todo el resultado que puede ocurrir en un experimento

6. ¿Cuántos tipos de distribuciones de probabilidad existen? Conceptualice,

simbolice, ejemplifique y grafique cada una de ellas.
Existen dos tipos de distribución de probabilidad la variable aleatoria discreta y
la variable aleatoria continua. Dentro de la variable aleatoria discreta, se
encuentra la Distribución Bernoulli o Bipuntual, Distribución Binomial,
Distribución Poisson y Distribución Hipergeométrica. Por otro lado, la variable
aleatoria continua, se encuentra la Distribución Normal, Distribución Chi
cuadrado y distribución “T” de students.
Variable aleatoria discreta:
 Distribución Bernoulli o Bipuntual: es una variable aleatoria que toma

solamente los valores 0 y 1. Se simboliza P(x=x)

 Distribución Binomial: están compuesta de ensayo repetido cuyos resultados
pueden clasificarse en solo dos categorías llamados “éxito” y “fracaso” y se
simboliza P=éxito y Q= 1-P =fracaso, siendo que la suma de P y Q es: P+Q=1
 Distribución Poisson: se trata como límite de la distribución binomial, se

(e)− λ∗λ x
simboliza como P(x=x)=
x!
 Distribución Hipergeométrica: es similar a las dos distribuciones anteriores,
excepto que si se toman grandes valores, el resultado no varía de repetición en

repetición. Se entiende como P(0 ≤ x ≤d )

7. Explique y grafique de donde surge la curva de distribución de
probabilidades.
La curva surge por crecimiento de datos, que se lee de izquierda a derecha y,
no solo se observa en forma gráfica sino que, también, no se busca un punto
en sí, sino que se busca todos los valores posibles que se encuentra debajo de
la gráfica.

0 a b x

8. Nombre, conceptualicen y simbolicen los parámetros que caracterizan a

una distribución de probabilidad:

a) Media: es un valor representativo que sirve para representar una

distribución de probabilidad. Se simboliza: E(x)= ∑ xi∗P( x)

b) Varianza: describe el grado de dispersión (o varianza) en una
2
distribución. Se simboliza: V (x)=∑ [ x I −E(x) ] ∗P(x)
c) Desvió estándar: se calcula la desviación de la medida. Se

simboliza D ( x )=+ √ V (x)

9. Desarrolle las Propiedades de una distribución de probabilidad:

 Acumulación de probabilidad de izquierda a derecha
 Se define como F (x )=P( x≤ x )
 la función crece o, a lo sumo, se mantiene contaste.
 Debe haber un límite entre a y b, siendo b mayor que a. P(a ≤ x ≤b )
10. ¿Qué representa el área bajo la curva en una distribución de
probabilidad?
El área de la curva representa como la superficie asociada a un sector, no por
lo que interese el área en sí, sino por lo que representa en termino de
probabilidad.

11. Simbolice, grafique y explique los tres casos básicos de acumulación de

probabilidades de variables aleatorias continuas.
 Caso 1: la probabilidad de que la variable aleatoria “x” se menor o igual

que “a”. siendo P(x ≤a) =F(a). Sabiendo que el grafico se lee de izquierda

a derecha, en este caso, únicamente va a ser igual a F(a)

 Caso 2: la probabilidad de que la variable aleatoria “x” se mayores o

igual que “a”. siendo P(x ≥a) =1−F(a).. Siendo 1 el total de la superficie

 Caso 3: es cuando el valor la variable aleatoria “x” se encuentra entre

dos valores. P(a ≤ x ≤b )=F(b) −F(a). Siendo a< b.

a b
12. Defina que es un modelo matemático.
Un modelo matemático es una expresión matemática que representa ciertos
fenómenos analizados, que se conoce como función de probabilidad (en
variable aleatoria discreta).

13. Nombre las principales características de una distribución bipuntual o

Bernulli. Simbolice su función de probabilidad, los parámetros
característicos y en cuantas formas se puede representar. Ejemplifique.
 El experimento se realiza una sola vez
 Tiene como resultado éxito y fracaso.
 Se clasifican como mutuamente excluyente y exhaustiva
 La probabilidad de éxito es contante, es decir, que no varía de una
prueba a otra, se representa por P.
 la probabilidad de fracaso también es contante. Se representa por Q.

La función de probabilidad de distribución bipuntual o Bernoulli se simboliza

x 1−x
con P(x=x)=P ∗( 1−P ) . Los parámetro se desarrolla entre esperanza
x 1− x
matemática ( E( x ) =∑ xi∗P( x) sabiendo que P(x)= p ∗( 1− p ) se remplaza y

quedaría E( x ) = ∑ xi∗px∗( 1− p )1−x ); 2

varianza (V (x)=∑ [ xi −E(x) ] ∗P(x)) y

desvió estándar ( P(x)=+ √ V (x))

Se puede representar en dos formas, la primera es para un p pequeño,

sabiendo que la distribución estará sesgada a la derecha. Y para p muy
grandes la distribución sería altamente sesgada a la izquierda.

14. Explique por qué la esperanza matemática en una distribución bipuntual

es igual al éxito, y Por qué la varianza es igual al producto entre el éxito y
el fracaso.
La esperanza matemática tiene como resultado éxito porque, el resultado de un
ensayo no afecta la probabilidad, es decir es constante.
La varianza es igual al producto entre éxito y el fracaso porque al desarrollar
con los valore 0 y 1, se produce un cierto proceso que conlleva al producto del
éxito y fracasa.
15. Nombre las principales características de una distribución binomial.
Simbolice su función de probabilidad y explique los factores que lo
componen. Defina los parámetros característicos. Ejemplifique.
 Es dicotómica. Tiene dos posibles resultado: éxito y fracaso
 El éxito de probabilidad es constante. Se denota P
 El fracaso es constante. Se denota q.

Su función de probabilidad de distribución binomial es:

C nx∗p x∗q n−x

n!
donde C n x =
x ! ( n−x ) !

Los factores que se consideren importante son que existe una alta probabilidad
de éxito “p”, que la muestra “n” se menor que “p” y la que la probabilidad sea
constante, es decir, que el muestreo tenga repetición.
Los parámetros que la componen son:
 Esperanza matemática: es la probabilidad de éxito “p”, y sabiendo que
la distribución Binomial es una repetición de “n” veces, se considera que
es producto de “n” por “p” es decir,
E(x)= p+ p+ p+ p+ …
E(x)=n∗p
M
Y, dependiendo del experimento, se puede encontrar p= siendo M
N
la cantidad de éxito y N el tamaño de población

 Varianza: en una distribución bipuntual se considera p*q y sabiendo que

se trabaja con repetición, se considera:
V (x)=n∗p∗q
Siendo n veces repetida

 Desvió estándar:

D( x )= √n∗p∗q
D (x)= √V (x)
16. ¿Qué significa mutuamente excluyente? Ejemplifique.
Significa que la probabilidad de que ocurra un cierto evento, anulaba
instantáneamente la probabilidad de ocurrencia de otro evento.

17. Defina un muestreo con reposición. Ejemplifique. ¿Qué consecuencias

implica que una distribución de probabilidad utilice un muestreo de este
tipo?
El muestro con repetición es el elemento seleccionado en cada extracción
vuelve a ser incluido en la población.
Por ejemplo en una escuela primaria se encuentra 6 niveles en que los
alumnos se deben asistir para su educación. Se quiere determinar grupos de 4
alumnos al alzar, sabiendo que en el mismo grupo puede encontrarse alumnos
del mismo nivel.
Sabiendo que existe que los valores N, N siendo el número de elementos
posibles, va a ser independiente de las extracciones que se realizara.

18. Defina a qué se denomina un experimento binomial. Nombre y explique

las propiedades de un experimento de este tipo.
El experimento binomial consiste en ensayos independientes repetidos, cada
uno con sus dos posibles resultados que se denominan éxitos y fracaso.
Las características que cumple son:
 el experimento consiste de N ensayos repetidos.
 Cada ensayo proporciona un resultado que puede clasificarse como
éxito o fracaso
 La probabilidad de éxito, designada como p, permanece contante de un
ensayo a otro.
 Los ensayos son independientes.

19. Explique con sus palabras cómo se compone y cómo se utiliza una tabla
de distribución binomial.
En una columna se encuentra los valores de la muestra, y las fila de x valores,
se encuentra ordenada en menor a igual valore de la muestra. Y se utiliza
seleccionando la columna muestral y seleccionando la probabilidad de éxito,
 llevando a un valor determinado que se encuentra en la intersección de la fila y
columna

20. Defina y grafique las formas de la distribución de probabilidad binomial.

Una distribución de probabilidad Binomial puede ser simétrica o sesgada. Para
un “p” pequeño, la distribución estará ligeramente sesgada a la derecha y para
un “p” mayor la distribución sería altamente sesgada a la izquierda.

x> px< p
 21. Nombre las principales características de una distribución de Poisson.
Simbolice su función de probabilidad y explique los factores que lo
componen. Defina los parámetros característicos. Ejemplifique.
Características principales de la distribución de Poisson:
 Discreta con reposición
 Es dicotómica
 El tamaño de “n” es grande y “p” es pequeño.
 Nuevo parámetro λ=n∗p
 Es estocástico y temporal

Los parámetros de que se encuentran en la distribución de Poisson son

similares a la varianza y a la esperanza matemática, concluyendo que landa a estas.

n=λ=E(x)=V (x)

Su función de probabilidad es:

e− λ ¿ λ x
F (x )=P(x=x)=
x!

Dónde: e=constante matematica aproximado 2.71828

λ=numero esperado de exitos

X =numero de exitos por unidad 1 , 2, 3 , 4 … n

22. ¿Cuántas formas de encontrar el parámetro landa existen? Nombre y

simbolice cada una de ellas.
Existen 3 tipos la primera, se encuentra calculando λ=n∗p , siendo n muestral

pequeño y p la probabilidad de éxito; calculando la varianza (V (x)) y esperanza

matemática ( E(x)) .
23. ¿Qué significa estocástico?
La palabra estocástico es sinónimo de azar o aleatoria y que es el objeto de
análisis estadístico.
24. ¿Qué implicancia tiene que podamos observar eventos discretos en área
de oportunidad, en un intervalo continuo de tal forma que lo acortemos lo
suficiente?
Se puede observar los eventos discretos en un área de oportunidad en un
intervalo continua (de tiempo, longitud, área, etc.) de tal manera que si
acordamos el área de oportunidad o intervalo de manera suficiente, es decir,
que la probabilidad de observar exactamente un éxito en el intervalo es
estable; la probabilidad de observar exactamente más de un éxito en el
intervalo vale 0 y, por último, la ocurrencia de un éxito en cualquier intervalo es
estadísticamente independiente de aquella en cualquier intervalo.

25. Explique con sus palabras cómo se compone y cómo se utiliza una tabla
de distribución Poisson.
Es una tabla de doble entrada donde a la derecha de la columna se encuentra
los valores de X y la fila superior los valores para labda. Y se utiliza
seleccionando la columna de los valores de X y seleccionando el valor de landa
llevando a un valor determinado que se encuentra en la intersección de la fila y
columna.

26. Nombre las principales características de una distribución de

Hipergeométrica. Simbolice su función de probabilidad y explique los
factores que lo componen. Defina los parámetros característicos.
Ejemplifique.
Característica:
 Es dicotómica, es decir, tiene dos resultado posible, éxito y fracaso
 mutuamente excluyente y exhaustiva.
 Es similar que la distribución binomial, pero se diferencia es que la
probabilidad no se mantiene constante.
 sin reposición.

Funciones de probabilidades:
C M x∗C N −M n−x
P(x=x)= n
CN

 N: tamaño de la población
 M: éxitos de la población
  N-M: fracaso en la población
 n: tamaño de la muestra
 x: éxito de la muestra
 n-x: fracaso de la muestra

Parámetros:

 Esperanza matemático: en este acaso no posee ningún cambio con la

distribución binomial
n∗M M
E(x)= , Donde =P entonces E(x)=n∗P
N N
 Varianza: también es la misma que la vista en distribución binomial,

N −n
pero multiplicando por el factor ; conocido en estadística como
N−1
factor de corrección para población finitas
n∗M
∗N−M
N
∗N −n
N
V (x)=
N −1
n∗p∗q∗N −n
V (x)=
N −1

 Desvió estándar:

D(x)=+ √V (x)

27. ¿Qué sucede con las probabilidades de una experimentación a otra en

una distribución de probabilidad hipergeométrica, y a consecuencia de
procedimiento ocurre? Defina el procedimiento en cuestión y
ejemplifique.
La probabilidad es que si se toman muestreo de valores mayores se puede ver
que no varían de repetición en repetición, en cambio, si se toma valores
pequeños no se mantiene constante en cada repetición.
28. ¿Cómo se define una variable aleatoria con distribución hipergeométrica?
Se define hipergeométrica ya que se utiliza un muestreo sin repetición.

29. Defina qué es un factor de corrección para poblaciones finitas.

El factor de corrección es el cálculo que corrige la función, utilizando la

N −n
notación .
N−1
30. De las distribuciones de variables aleatorias discretas en particular, ¿Cuál
es la más importante? Justifique su respuesta.
En lo personal considero que en todas las distribuciones de variables discretas
son importantes, ya que la utilización, dependiendo la situación, la distribución
de binomial, la distribución de bipuntual, la distribución de Poisson y la
hipergeométrica. Cada uno posee sus características específicas que las
diferencia entre sí, y utilizando diversos cálculos para encontrar sus respectivo
parámetro.
Pero la base entre ellas es la distribución binomial, ya que es la base para
entender las demás distribuciones.