Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Material de Apoyo Segundo Corte
Material de Apoyo Segundo Corte
Introducción:
Uno de los objetivos de la estadística es la elaboración de un modelo como una
expresión que describa todos los resultados de una muestra aleatoria y de esta
manera poder predecir el comportamiento en futuras repeticiones de un
experimento.
RESUMEN
GLOSARIO
EXPERIMENTO: Cualquier proceso que genere resultados o datos bien
definidos.
MUESTRA ALEATORIA SIMPLE: Muestra tomada de tal manera que cada
muestra de tamaño n tiene la misma probabilidad de ser seleccionada.
FUNCION DE PROBABILIDAD : Se llama función de probabilidad de una
variable aleatoria discreta X a la aplicación que asocia a cada valor de xi de
la variable su probabilidad pi.
VARIABLE CONTINUA: Teóricamente toma cualquier valor en un
intervalo dado
Página 1 de 32
Desarrollo temático.
3.1 Distribución Binomial.
2.1 Axiomas de Probabilidad
2.3Técnicas de Conteo
2.4 Teorema de Bayes
Modelo
n
b x, n, p p x q n x
x
Donde
x : 0,1,2,...........n Variable aleatoria
n : Numero de ensayos
p Pr obabilidad de exito
q 1 p : Pr obabilidad de fracaso
Ejemplo:
La probabilidad de que una persona fallezca debido a que sufre una enfermedad
catastrófica es de 0,75 , si tenemos un grupo de 5 personas que sufren de dicha
enfermedad determinar:
El primer paso es definir los valores que toma la variable aleatoria ( asignación de
un real a cada elemento del espacio muestral), en este caso:
Página 2 de 32
5
b0,5,0,75 0,75 0 0,2550
a) 0
b0,5,0,75 0,00097656 98 por cada 100.000
5
b5,5,0,75 0,75 5 0,25 55
b) 5
b5,5,0,75 0,23730469 24 por cada 100
5
5
b 2,5,0,75 0,75 x 0,25 5 x
x2 x
5
5
b 2,5,0,25 0,25 x 0,75 5 x
x2 x
Página 3 de 32
Mueran
n
E X xi * p i
i 0
Mueran
La Varianza esta dada por :
n
V X xi E X * pi
2
i 0
Página 4 de 32
Tenemos
N= Tamaño de la Población
n= Tamaño de Muestra
n-x
x= Variable Aleatoria
K= Éxito en la Población
Modelo
K N K
h x, N , n, K
x n x
N
n
Ejemplo:
Página 5 de 32
La grafica para este problema es:
N= 14 Pastillas
N-K= 10 vitaminas
n= 3 Tamaño de Muestra
3-x
x= 0,1,2,3
K= 4 Cocaína
4 10
h 0,14,3, 4 0 3 0,32967033 33%
a) 14
3
4 10
3
x 3 x
h 1,14,3,4
x 1 14
3
h 1,14,3,4 0,49450549 0,16483516 0,01098901
h 1,14,3,4 0,67032967 67%
b)
Tambien
h 1,14,3,4 1 h0,14,3,4
h 1,14,3,4 1 0,32967033 0,67032967 67%
Página 6 de 32
c)
Sea arrestado
n
E X xi * pi
i 0
EX n *
K
N
E X 3 0,85714286
4
14
d)
La Varianza esta dada por :
n
V X xi E X * pi
2
i 0
V X 0,51805338 2
La raiz cuadrada de la var ianza es la desviacion es tan dart
0,71975925
Tambien en la Hipergeometrica
N n K K
V X * n * * 1
N 1 N N
14 3 4 4
V X * 3 * * 1 2
14 1 14 14
2 0,51805338
0,71975925
En esta distribución los experimentos que dan valores numéricos de una variable
aleatoria “x” , el numero de resultados que ocurren durante un intervalo dado o en
una región especifica se denomina experimentos de poisson . El intervalo puede
ser de cualquier longitud , minutos, días , semanas , años etc.
Página 7 de 32
Modelo
p x, t
t x e t
x!
Donde
x : 0,1,2,........... Variable aleatoria
: Media
t Periodo para la media
e Numero euler 2,71828183
Ejemplo:
a)
p0,3
3 *1 e 3*1
0
0,04978707 5%
1!
Donde
x : 0 Variable aleatoria " ninguna persona"
:3 personas, Media
t 1min uto, Periodo para la media
e Numero euler 2,71828183
p x 4,3
3 *1x e 3*1
x4 x!
p x 4,3 1
3
3 *1x e 3*1
b) x 0 x!
p x 4,3 1 0,04978707 0,14936121 0,22404181 0,22404181
p x 4,3 0,35276811 35%
Página 8 de 32
p x 4, 3, t 2
3 * 2x e 3*2
x 4 x!
3
p x 4,3 1
3 * 2x e 3*2
c) x 0 x!
p x 4,3 1 0,00247875 0,01487251 0,04461754 0,08923508
p x 4,3 0,84879612 85%
Grafica
Página 9 de 32
1 x 2
f x
1 2
e
2 * *
Para hallar la probabilidad tendremos que determinar el área entre diferentes
valores de la variable aleatoria por medio de:
b 1 x 2
Pa x b
1 2
e dx
a 2 * *
El inconveniente es que esta integral no tiene una primitiva , motivo por el cual su
cálculo debe realizarse por métodos numéricos y además seria una tarea
dispendiosa establecer calculo para cada “µ” y “σ” según el problema , por lo cual
se transforman las observaciones de cualquier variable aleatoria normal “x” a un
nuevo conjunto de observaciones de una variable aleatoria normal “Z” con media
cero y varianza uno.
Transformación:
x
Z
Donde
Z N de desviaciones es tan dart que esta" x" de la" "
x Variable Aleatoria
Media Poblaciona l
Desviacion Es tan dart Poblaciona l
Página 10 de 32
Este valor de z es buscado en una tabla donde vienen áreas asociadas a este
valor, y haciendo uso de los valores tabulados, se determina la probabilidad
requerida. La tabla que es usada para calcular las probabilidades es la que nos dá
el área que se muestra a continuación:
Ejemplo
Solución:
Página 11 de 32
De lo que podemos afirmar que 750 está a -1,43 desviaciones estándar de 850 , si
graficamos , tendríamos:
Página 12 de 32
Es decir Px 750 PZ 1,43 0,0764 8% , de cada 100 bombillos producidos
8 duraran menos de 750 horas.
b) Px 890 ?
Estandarizando
890 850
Z 0,57
70
Nos vamos a la tabla y buscamos el valor del área así:
Página 13 de 32
Esta es el área de -∞ hasta 0,57 como el área solicitada es el complemento,
tendremos:
Es decir Px 890 PZ 0,57 1 0,0764 0,2813 28% , de cada 100 bombillos
producidos 28 duraran más de 890 horas.
c) P770 x 930 ?
Estandarizando
930 850
Z1 1,14
70
770 850
Z2 1,14
70
Página 14 de 32
x 0,67 * 70 850
x 803,1 horas
Introducción:
Como se mencionó en el capítulo uno las nociones de población y muestra son
parte fundamental en cualquier investigación , en este capitulo se estudiaran de
manera mas amplia, en particular en el contexto del concepto de variables
aleatorias, destacando la importancia de conocer la distribución muestral de un
estadígrafo ya que con esta se puede realizar el proceso de inferencia del
parámetro, dado que casi nunca es posible tomar todas las muestras de una
población , conociendo la distribución del estimador se puede hacer la inferencia
del mismo a partir de una sola muestra , de igual forma se puede estimar el error
para un tamaño de muestra dado.
RESUMEN
GLOSARIO
MUESTRA ALEATORIA DE TAMAÑO n : Es un conjunto de n individuos
tomado de tal manera que cada subconjunto de tamaño n de la población
tenga la misma probabilidad de ser elegido como muestra; es decir, si la
Página 15 de 32
población tiene tamaño N, cada una de las combinaciones posibles de n
elementos debe ser equiprobable.
PARAMETROS: Se llama parámetros poblacionales a cantidades que se
obtienen a partir de las observaciones de la variable y sus probabilidades y
que determinan perfectamente la distribución de esta, así como las
características de la población, por ejemplo: La media, μ, la varianza σ2, la
proporción de determinados sucesos, P.
Desarrollo temático.
4.1 Teorema del limite central.
4.2 Distribución muestral de medias
4.3 Distribución muestral de la varianza
4.4 Distribución muestral de las proporciones
Ejemplo:
Página 16 de 32
Profesor de matemáticas Antigüedad
A 16
B 10
C 8
D 26
1) Se pueden tener 4C2 =6 muestras posibles. La tabla lista todas las muestras
posibles de tamaño 2, con sus respectivas medias muestrales.
A,B (16,10) 13
A,C (16,8) 12
A,D (16,26) 21
B,C (10,8) 9
B,D (10,26) 18
D,C (8,26) 17
16 10 8 26
15
4
13 12 21 9 18 17
x 15
6
Página 17 de 32
Con lo cual podemos deducir que :
x
La media poblacional es igual a la media de todas las medias muestrales.
x i
2
i 1
N
En este caso:
16 152 10 152 8 152 26 152 7
4
5) El error estándar o la desviación estándar de la distribución muestral es:
x
13 152 12 152 21 152 9 152 18 152 17 152
6
x 4,0414519
Si utilizamos la fórmula del error estándar sin el factor de corrección por población
finita tendríamos que:
x
n
Donde " n" es el tamaño de la muestra
Evaluando:
7
x 4,9497475
2
Página 18 de 32
N n
x
n N 1
Calculando
7 42
x 4,0414519
2 4 1
De lo cual concluimos que la desviacion estandart de las medias muestrales es
igual a la desviacion estandart poblacional sobre la raiz del tamaño de las
muestras por el factor de correccion, en caso de ser poblaciones finitas.
x
Z
Donde
Z N de desviaciones es tan dart que esta" x" de la" "
x Variable Aleatoria
Media Poblaciona l
Desviacion Es tan dart Poblaciona l
Página 19 de 32
Cuando se extraen muestras de tamaño mayor a 30 o bien de cualquier tamaño
de una población normal, la distribución muestral de medias tiene un
comportamiento aproximadamente normal, por lo que se puede utilizar la formula
de la distribución normal con x y x , entonces la fórmula para
n
calcular la probabilidad del comportamiento del estadístico, en este caso la media
de la muestra , quedaría de la siguiente manera:
x
Z
x
Donde
Z N de desviaciones es tan dart que esta" x" de la" "
x Media Muestral
Media Poblaciona l
x Desviacion Es tan dart de las medias muestrales
n
Desviacion Es tan dart Poblaciona l
n Tamaño de muestra
En general se utiliza:
x
Z
n
y para poblaciones finitas y muestro con reemplazo:
x N n
Z
N 1
n
Ejemplo:
Una empresa eléctrica fabrica 1000 focos diarios, que tienen una duración que se
distribuye aproximadamente en forma normal, con media de 900 horas y
desviación estándar de 50 horas. Encuentre la probabilidad de que una muestra
aleatoria de 20 focos tenga una vida promedio de:
Página 20 de 32
a) Menos de 890 horas
b) Mas de 920 horas
c) Entre 850 y 950 horas
Solución:
N= 1000
µ=900
n= 20
σ= 50
P x 890 ?
Gráficamente:
Al estandarizar
Página 21 de 32
Con lo que podemos concluir que hay una probabilidad del 19% de que en muestras de
tamaño 20 el promedio de la muestra sea menor de 890 horas. En otras palabras si
tomamos 100 muestras de tamaño 20 en 19 de estas muestras el promedio será menor
de 890 horas.
b)
N= 1000
µ=900
n= 20
σ= 50
P x 920 ?
Estandarizando
c)
N= 1000
µ=900
n= 20
σ= 50
P 850 x 950 ?
Estandarizando
Página 22 de 32
850 900 1000 20
Z -4,43
50 1000 1
20
950 900 1000 20
Z 4,43
50 1000 1
20
Por lo tanto
P 850 x 950 P 4,43 Z 4,43
Que en la tabla de la distribución normal:
PZ 1,77 0,999995288 4,71165E - 06 0,999990577 100%
Z
x 1
x 2 1 2
12 22
n n
1 2
Ejemplo:
Dos tipos de pintura ofrecen un tiempo de secado promedio de 80 y 60 minutos
respectivamente con una desviación estándar de 15 y 13 minutos , si tomamos
muestras aleatorias de tamaños 25 y 36 respectivamente .Encontrar la
probabilidad de que la media muestral calculada de las 25 mediciones exceda la
media muestral de Las 36 mediciones en por lo menos 10 minutos .
Pintura 1
µ1=80
n1= 25
Página 23 de 32
σ1= 15
Pintura 2
µ2=60
n2= 36
σ2= 13
P x1 x2 10 ?
Z
10 80 60 2,7
15 2 132
25 36
P x1 x2 10 PZ 2,7
Gráficamente
Página 24 de 32
2
n 1s 2
2
Ejemplo:
2
8 1 *1,2 2
15,75
0,8 2
Página 25 de 32
Este será el valor critico (1,690) a la izquierda , y a la derecha ( 16,013)
Página 26 de 32
Como el estadígrafo esta dentro de estos valores podemos afirmar con un 95% de
confianza que el fabricante tiene la razón en su afirmación respecto a la varianza
Página 27 de 32
4.4. Distribución Muestral de las Proporciones
pP
Z
P* Q
n
Donde :
p : Pr oporcion Muestral
P : Pr oporcion Poblaciona l
Q 1 P
n : Tamaño de Muestra
Si es una población finita:
pP N n
Z
N 1
P* Q
n
Ejemplo:
La proporción de hogares en cierta cuidad que usa gas natural es del 45% , si se
toma una muestra aleatoria de 250 hogares determinar la probabilidad de que La
proporción de la muestra de hogares con gas natural sea :
d) menor del 40%
Página 28 de 32
e) Mayor del 49%
a)
Solución:
Datos:
n=250 Hogares
P 0,45
P p 0,40 ?
0,5
0,4 0,45
250
Z 1,65
0,45 * (1 0,45)
250
Página 29 de 32
b)
Solución:
Datos:
n=250 Hogares
P 0,45
P p 0,49 ?
0,5
0,49 0,45
250
Z 1,33
0,45 * (1 0,45)
250
Página 30 de 32
El calculo de probabilidad del estadístico de diferencia de proporciones es:
p1 p2 P1 P 2
Z
p1 * q1 p2 * q2
n1 n2
Ejemplo
P1 P 2
p1 = 0.25
p2 = 0.20
n1 = 380 trabajadores
n2 = 450 trabajadores
P p1 p2 0,06 ?
0,06 0,5
0
380 450
2
Z 2,1
0,25 * 0,75 0,2 * 0,8
380 450
Página 31 de 32
P p1 p2 0,06 PZ 2.10
Página 32 de 32