Corporación universitaria minuto de Dios

Facultad de ciencias humanas y sociales

Programa de psicología

Estadística (distribución binomial y distribución normal)

Preparado por:

Camila Ramirez

Mayerly Marin

Rubiela Narvaez

La Dorada, caldas

IIlI-2019
 Corporación universitaria minuto de Dios

Facultad de ciencias humanas y sociales

Programa de psicología

Estadística (distribución binomial y distribución normal)

Preparado por:

Camila Ramirez

Mayerly Marin

Rubiela Narvaez

Presentado a:

Esp. Michael Alexander Rodríguez

INTRODUCCION
En el siguiente trabajo se realizaron ejercicios de Estadística sobre (distribución binomial y

distribución normal), los cuales conllevan a diferentes técnicas de realización,

La distribución de probabilidad binomial es uno de los modelos matemáticos (expresión

matemática para representar una variable) que se utiliza cuando la variable aleatoria

discreta es el número de éxitos en una muestra compuesta por n observaciones. distribución

normal como su propio nombre indica su extendida utilización, justificada por las

frecuencia o normalidad con la que las ciertos fenómenos tienden a parecerse en

su comportamiento a esta distribución.

OBJETIVOS
 Identificar las propiedades de una distribución binomial. Establecer el promedio, la

varianza y la desviación estándar utilizando las variables de la distribución

binomial.

 Ajustar un conjunto de datos a una distribución normal

 Identificar los parámetros como la media, mediana, moda, desviación estándar y

varianza de la distribución normal.

 Ajustar un conjunto de datos a una distribución binomial

 Conocer en que casos se aplica la distribución binomial y en que otros se utilizan la

normal

DISTRIBUCIÓN BINOMIAL
1- Suponga que cierta población, el 52% de los nacimientos registrados son niñas. Si

tomamos una muestra de cuatro registros (cuatro nacimientos), calcular las

probabilidades que a continuación se piden.

a) Que dos registros correspondan a niñas.

n=4

x=

p=0,52

1-p=0,48

P(x=2) = ( 42)∙ 0,52 ∙ 0.48

2 2

4!
P(x=2) = ∙ 0,522 ∙ 0.482
( 4−2 ) ! ∙2 !

4!
P(x=2) = ∙ 0,522 ∙ 0.482
2! ∙ 2!

4 ! ∙ 3 ! ∙2 !
P(x=2) = ∙ 0,522 ∙ 0.482
2 ! ∙ 2!

12
P(x=2) = ∙ 0,522 ∙ 0.482
2

P(x=2) =6 ∙ 0,522 ∙ 0.482

P(x=2) = 0,37

P(x=2) = 37%

b) Dos o más sean niña.

p(≥2) =p(x=2) + p(x=3) + p(x=4)

P(x=3) = ( 43)∙ 0,52 ∙ 0.48
3 1
 4!
P(x=3) = ∙ 0,523 ∙ 0.481
( 4−3 ) ! ∙3 !

4!
P(x=3) = ∙ 0,523 ∙ 0.481
1! ∙ 3 !

4 ! ∙ 3 ! ∙2 ! ∙ 1!
P(x=3) = ∙ 0,523 ∙ 0.481
1 ! ∙ 3!

24
P(x=3) = ∙ 0,523 ∙ 0.481
0

P(x=3) =4 ∙ 0,523 ∙ 0.481

P(x=3) = 0,26

P(x=3) = 26%

P(x=4) = ( 44)∙ 0,52 ∙ 0.48

4 0

4!
P(x=4) = ∙ 0,524 ∙ 0.480
( 4−4 ) ! ∙ 4 !

4!
P(x=4) = ∙ 0,524∙ 0.480
0!∙4!

P(x=4) =1∙ 0,524 ∙ 0.480

P(x=4) = 0,073

P(x=4) = 73%

p(≥2) =p(x=2) + p(x=3) + p(x=4)

p(≥2) =0,37+0,26+0,073
p(≥2) =0,70
p(≥2) =70%

C. ninguna sea niña.

P(x=2) = ( 40)∙ 0,52 ∙ 0.48

0 4

4!
P(x=2) = ∙ 0,520 ∙ 0.484
( 4−0 ) ! ∙ 0 !

4!
P(x=2) = ∙ 0,520 ∙ 0.484
4!∙0!

P(x=2) =1 ∙ 0,520 ∙ 0.484

P(x=2) = 0,053

P(x=2) = 5,3%

2- Si el 87% de los conductores de Boyacá, son hombres. Suponga que se selecciona al azar

10 conductores para una encuesta acerca de las condiciones de trabajo. ¿Cuál es la

probabilidad de?

a) Que dos o menos de los conductores seleccionados sea hombre.

n=10

x=

p=0,87

1-p=0,13

p(x=2) + p(x=1) + p(x=0 )

P(x=2) = (102 ) ∙ 0,87 ∙ 0.13

2 8
 10 !
P(x=2) = ∙ 0,872∙ 0.138
( 10−2 ) ! ∙2 !

10 !
P(x=2) = ∙ 0,872∙ 0.138
8 ! ∙2 !

10! ∙ 9 ! ∙ 8 !
P(x=2) = ∙ 0,872∙ 0.138
8 ! ∙ 2!

90
P(x=2) = ∙ 0,872∙ 0.138
2

P(x=2) =45 ∙ 0,872∙ 0.138

P(x=2) = 2,77

P(x=2) = 2,77%

P(x=1) = (101 ) ∙ 0,87 ∙ 0.13

1 9

10 !
P(x=1) = ∙ 0,871∙ 0.139
( 10−1 ) ! ∙1 !

10 !
P(x=1) = ∙ 0,871∙ 0.139
9 ! ∙1 !

10! ∙ 9 !
P(x=1) = ∙ 0,871∙ 0.139
9 ! ∙1 !

P(x=1) = 10 ∙ 0,871∙ 0.139

P(x=1) = 9,22

P(x=1) = 9,22%

P(x=0) = (100) ∙ 0,87 ∙ 0.13

0 10

10 !
P(x=0) = ∙ 0,870∙ 0.1310
( 10−0 ) ! ∙ 0 !
 10 !
P(x=0) = ∙ 0,870∙ 0.1310
10! ∙ 0 !

P(x=0) = 1 ∙ 0,870∙ 0.1310

P(x=0) = 1,37

P(x=0) = 1,37%

(≤2) =p(x=2) + p(x=1) + p(x=0)

p

(≤2) =2,77+9,22+1,73
p

(≤2) =13.36
p

(≤2) =13.36%
p

b) Que más de 8 sea hombre

p (≥8) =p(x=9) + p(x=10)

P(x=9) = (109) ∙ 0,87 ∙ 0.13
9 1

10 !
P(x=9) = ∙ 0,879∙ 0.131
( 10−9 ) ! ∙ 9 !

10 !
P(x=9) = ∙ 0,879∙ 0.131
1! ∙ 9 !

10! ∙ 9 !
P(x=9) = ∙ 0,879∙ 0.131
1! ∙ 9 !

P(x=9) = 10 ∙ 0,879∙ 0.131

P(x=9) = 0,37

P(x=9) = 37%
 P(x=10) = (1010 ) ∙ 0,87 ∙ 0.13
10 0

10!
P(x=10) = ∙ 0,8710∙ 0.130
( 10−10 ) ! ∙10 !

10 !
P(x=10) = ∙ 0,8710∙ 0.130
0 ! ∙10 !

P(x=10)= 10 ∙ 0,8710∙ 0.130

P(x=10) = 0,24

P(x=10) = 0,24%

p(≥8) p(x=9) + p(x=10)

p(≥8) =0,37+0,24
p(≥8) =0,39
p(≥8) =39%
c) Que 7 de los seleccionados sean hombres

P(x=7) = (107) ∙ 0,87 ∙ 0.13

7 3

10!
P(x=7) = ∙ 0,877∙ 0.133
( 10−7 ) ! ∙ 7 !

10 !
P(x=7) = ∙ 0,877∙ 0.133
3! ∙ 7 !

10! ∙ 9 ! ∙ 8 ! ∙7 !
P(x=7) = ∙ 0,877∙ 0.133
13 ! ∙ 7 !

720
P(x=7) = ∙ 0,877∙ 0.133
6
 P(x=7) = 120 ∙ 0,877∙ 0.133

P(x=7) = 0,099

P(x=7) = 9,9%

3- Una institución universitaria establece nuevos métodos de aprendizaje y de evaluación, con el

resultado donde el 81% de sus estudiantes aprueban todas las asignaturas. Supongamos que se

selecciona una muestra de 10 estudiantes de dicho plantel, ¿cuál es la probabilidad:

a) Exactamente tres aprueben todas las asignaturas.

n=10

x=

p=0,81

1-p=0,19

P(x=3) = (103 ) ∙ 0,81 ∙ 0.13

3 7

10!
P(x=3) = ∙ 0,813∙ 0.137
( 10−3 ) ! ∙ 3!

10 !
P(x=3) = ∙ 0,813∙ 0.137
7 ! ∙3 !

10! ∙ 9 ! ∙ 8 ! ∙7 !
P(x=3) = ∙ 0,813∙ 0.137
7!∙3!

720
P(x=3) = ∙ 0,813∙ 0.137
6

P(x=3) = 120 ∙ 0,813∙ 0.137

P(x=3) = 5,7

P(x=3) = 5,7%

b) Por lo menos dos aprueben todas las asignaturas.

P(x=2) = (102 ) ∙ 0,81 ∙ 0.13
2 8

10 !
P(x=2) = ∙ 0,812∙ 0.138
( 10−2 ) ! ∙2 !

10! ∙ 9 ! ∙ 8 !
P(x=2) = ∙ 0,812∙ 0.138
8 ! ∙ 2!

90
P(x=2) = ∙ 0,812∙ 0.138
2

P(x=2) = 45 ∙ 0,812∙ 0.138

P(x=2) = 5.01

P(x=2) = 5,01%

P(x=1) = (101 ) ∙ 0,81 ∙ 0.13

1 9

10 !
P(x=1) = ∙ 0,811∙ 0.139
( 10−1 ) ! ∙1 !

10! ∙ 9 !
P(x=1) = ∙ 0,811∙ 0.139
9 ! ∙1 !

10! ∙ 9 !
P(x=1) = ∙ 0,811∙ 0.139
9 ! ∙1 !

P(x=1) = 10 ∙ 0,811∙ 0.139

P(x=1) = 2.61

P(x=1) = 2,61%

P(x0) =(100 ) ∙ 0,81 ∙ 0.13

0 10
 10 !
P(x=0) = ∙ 0,810∙ 0.1310
( 10−0 ) ! ∙ 0 !

10 !
P(x=0) = ∙ 0,810∙ 0.1310
10! ∙ 0 !

P(x=0) = 1 ∙ 0,810∙ 0.1310

P(x=0) = 6,13

P(x=0) = 6,13%

P(x=2)+ P(x=1)+ P(x=0)

P=5.01+2,61+6,13

P=13,75

P=13,75%

DISTRIBUCIÓN NORMAL

1- Una fábrica de harina empaqueta en sacos de tela. El saco de harina se acepta como

de distribución normal con media y desviación estándar iguales a 25 y 0.5

respectivamente. Si se toma al azar un saco, ¿cuál es la probabilidad de que:

a) Pese cuando más 24.75

M=25 σ =0,5

24,75−25
Z=
0,5

Z=0,5 P(Z≤−0,5¿=1−0,6915

Z=0,3085

Z=30,85%

b) Pese por lo menos 26.25

26,25

26,25−25
Z=
0,5

Z=2,5

P(Z≥−0,5¿=1−0,9938

Z=0,62

2- Una máquina despachadora de refrescos está ajustada para servir en promedio 200

mililitros por vaso. Si la cantidad de refrescos es normalmente distribuidas con una

desviación estándar igual a 15 mililitros.

a) ¿Qué fracción de los vasos contendrá más de 224 mililitros?

242−200
Z=
15

Z=1,6

Z¿ 1−0,9938

Z=0,0548

b) ¿Cuál es la probabilidad de que un vaso contenga entre 191 y 209 mililitros?

X−M 191−200
Z=
σ
= Z= 15
= -0,6 =0,725

209−200 0,7257
=0,6=
15 1,4514

c) ¿Cuántos vasos probablemente se derramarán si se utilizan vasos de 230 mililitros en

los siguientes 1000 refrescos?

X−M 230−200
Z= Z= =2
σ 15

P(Z≥−2¿

Z=0,9772
 1-0,9772=0,0228

22,8%

3- Los estudiantes de cierta escuela secundaria tiene un coeficiente intelectual

promedio de 106 y varianza 256. Al suponer la distribución normal, halle la

proporción de estudiantes con coeficiente intelectual.

a) Igual o menor que 98.

98−106
Z= =0,3203
256

Z=0,5120

1-0,5120=0,488

b) Igual o menor que 130.

130−106
Z= =0,0937
256

Z=0,5359

1-0,5359=0,4641

C) Igual o mayor que 127.

127−106
Z= =0,0820
256

Z=0,5319

1-0,5319=0,4681

d) Entre 94 y 118

94−106
Z= = - 0,0468
256

108−106
Z= = 0,0468
256

Z=0,5160
 0,5160
1,032

EL MUESTREO EN LA ESTADÍSTICA Y SUS TIPOS

error de muestreo diferencia entre el valor calculado de un estadístico de la muestra y el

valor real de un parámetro de la población. muestreo repetitivo tomar una muestra y

calcular sus estadísticos y luego tomar una segunda muestra una tercera una cuarto y así

sucesivamente el muestreo repetitivo Revela la naturaleza del error muestral (Ferris

J.Ritchey, 2008, p.222)

los muestreos se pueden clasificar en: Probabilísticos Se distinguen porque todos los

individuos que conforman la población tienen la misma probabilidad de ser elegidos para la

muestra (Williams, 2005, p. 23). Un ejemplo simple es cuando se tiran las 2 monedas, la

probabilidad de que cualquier lado caiga arriba es igual. Algunos de estos muestreos son:
Muestreo Aleatorio Simple:

Aunque es simple, “no es recomendable su aplicación para poblaciones grandes. El

procedimiento es el siguiente: Se asigna un número a cada individuo de la población. A

través de un medio mecánico” (tómbola, aplicación electrónica, etc.) (allman, 1965, p.

208). se elige una cantidad de individuos necesaria para completar la muestra

Muestreo Aleatorio Sistemático:

Al igual que con el método anterior, en este método se enumeran a los individuos de la

población, pero solo el primer número será escogido aleatoriamente, los siguientes se

escogen siguiendo una progresión aritmética, En este caso se empieza dividiendo el número

total de sujetos u observaciones que conforman la población entre el que se quiere utilizar

para la muestra, (sheynin, 1970, p. 212). por ejemplo, se quiere hacer el estudio de los

alumnos de un colegio secundaria de población. Lo primero que se debe hacer es elegir un

número entero que sea menor que el número total de la población, Selecciona otro número

entero que será el número de individuos entre los sujetos, por ejemplo, 1,2,3. Los siguientes

sujetos serán los alumnos 17, 22, 27, 32 y así sucesivamente.

Muestreo aleatorio estratificado

En esta técnica los sujetos son agrupados en diferentes categorías que dependerán del

investigador (edad, sexo, nivel socio-económico, etc.). Después de esto, el investigador

podrá seleccionar aleatoriamente la lista final de individuos pertenecientes a los diferentes

estratos. Se debe poner atención en que los estratos no se combinen, Esté tipo de muestreo

es normalmente utilizado para el análisis de un cierto subgrupo de la población (Fischer,

2000, p. 214). Como, por ejemplo, analizar las necesidades de los alumnos de psicología en

función de su aprendizaje estadístico.

Muestreo por conglomerados.

A diferencia de los tipos de muestreo anteriores, en este la unidad muestral es un grupo de

elementos de la población que conforman una unidad a la que se le denomina

conglomerado (unidades hospitalarias, cajas de determinados productos, etc.) Consiste en

seleccionar aleatoriamente un cierto número de conglomerados (el necesario para alcanzar

el tamaño muestral) y en investigar después todos los elementos pertenecientes a los

conglomerados no probabilísticos. Este tipo de muestreo no es bueno para generalizar, por

lo que se recomienda su uso en estudios exploratorios, y aunque los costos con respecto al

muestreo probabilístico son menores, no se sabe con certeza si la muestra extraída será

realmente representativa. La forma de selección de la muestra es siguiendo determinados

criterios, es decir, no es aleatorio (Elder, 1998, p. 225).

Algunos de ellos son:

Muestreo por cuotas:

“En el que la población se divide en grupos de donde el investigador escogerá a los sujetos

de las muestras” (Harmelink, 2003, p. 228).

Muestreo por conveniencia:

es básicamente la elección conveniente de los sujetos para la investigación.

Muestreo de bola de nieve (o muestreo por referidos):

El nombre se debe al hecho de que los sujetos seleccionados se van proponiendo uno a uno,

en donde la población es desconocida para el investigador.

Muestreo casual o accidental:

se caracteriza porque la muestra es elegida al azar, aunque el lugar o medio de donde se

extraen si es elegido por el investigador.

Muestreo discrecional (o muestreo por juicio):

los sujetos se seleccionan a base del conocimiento y juicio del investigador. Cabe resaltar

que, en investigaciones cuantitativas, donde el principal objetivo es generalizar los datos, es

recomendable hacer uso de muestreo probabilístico. “El conocimiento de los diferentes

tipos de muestreo nos provee de una herramienta muy importante para el correcto

desarrollo de las investigaciones” (Vanderburgh, 2003, p. 22). Cada muestreo ayuda de

diferentes maneras al investigador, quien en función de los resultados y objetivos que haya

planteado para la investigación hará una elección que se adecue a esta y que le permita

optimizar el desarrollo, ya sea ahorrando tiempo, dinero, trabajo, etc. Aparte de los tipos de

muestreo presentados anteriormente existen una variedad aún más extensa sin embargo son

los presentados con anterioridad los más solicitados (trewin, 2003, p. 232).

En conclusión el muestreo Estadístico resulta beneficioso para implementarlo en la

realización de un estudio, debido a que mediante este se pueden obtener probabilidades

bajas o altas a través de determinados beneficios que estas técnicas ofrecen. En los

diferentes tipos de muestreo existen no probabilística en los cuales se deben establecer

diferencia en el momento de realizar nuestras investigaciones por tanto que en el no

probabilística no toda la población forma parte de la muestra y en el probabilística todos los

individuos tienen probabilidad positiva de formar parte de la muestra

CONCLUSIÓN

Con el desarrollo de este proyecto y gracias a la comprensión de conceptos entendimos

que la distribución binomial y normal son una poderosa herramienta probabilística que bien

aplicada nos podrá ayudar a facilitar los cálculos para la solución de problemas, también se

aprendió a diferenciar entre una distribución binomial y una normal.

 BIBLIOGRAFÍA

(ensayo)

Cochran, W. G., & Bouclier, A. S. (1980). Técnicas de muestreo (No. 04; HA31. 2, C6

1980.). México: Compañía Editorial Continental.

Casal, J., & Mateu, E. (2003). Tipos de muestreo. Rev. Epidem. Med. Prev, 1(1), 3-7.

Ferris J.Ritchey (2008).Estadística para las ciencias sociales. Segunda edición. México.

(puntos del trabajo)

Montgomery, D. C., & García, R. P. (2004). Control estadístico de la calidad (No. 658.562

M66 2004.). Limusa Wiley.

file:///C:/Users/Usuario/Downloads/04-%20(EI)%20Distribucion%20Binomial.pdf

file:///C:/Users/Usuario/Downloads/04-%20(EI)%20Distribucion%20Normal(tabla).pdf

file:///C:/Users/Usuario/Downloads/04-%20(EI)%20Distribucion%20Normal.pdf