UNADM

Licenciatura en Matemáticas

Estadística 1

Unidad 2

Tercer semestre

Docente: Dr. Alejandro Salazar Guerrero

Alumno: Ronaldo Galindo Castillo

Matricula: ES1822026872

Actividad 1: Distribución simétrica

Saltillo, Coahuila, 11 de octubre de 2020.

Sección 1.- Realiza las siguientes actividades:

1. Define la estimación estadística.

Es un proceso en el cual se utilizan parámetros de una muestra para estimar los parámetros de la
población. La estimación se realiza utilizando estimadores. La media muestral sería un estimador de la
media poblacional.

2. Explica la relación entre media muestral y media poblacional.

La media estadística se usa en estadística para dos conceptos diferentes, aunque numéricamente
similares:

 La media muestral, que es un estadístico que se calcula a partir de la media aritmética de un

conjunto de valores de una variable aleatoria y la media poblacional, valor esperado o esperanza
matemática de una variable aleatoria.

En la práctica dada una muestra estadística suficientemente grande el valor de la media muestral de la
misma es numéricamente muy cercano a la esperanza matemática de la variable aleatoria medida en esa
muestra. Dicho valor esperado, solo es calculable si se conoce con toda exactitud la distribución de
probabilidad, cosa que raramente sucede en la realidad, por esa razón, a efectos prácticos la llamada
media se refiere normalmente a la media muestral.

3. Describe un estimado estadístico.

Un estimador es un estadístico (una función de la muestra) utilizado para estimar un parámetro

desconocido de la población.

Por ejemplo, si se desea conocer el precio medio poblacional de un artículo (parámetro

desconocido) se recogen observaciones del precio de dicho artículo en diversos establecimientos
(muestra) pudiendo utilizarse la media aritmética de las observaciones para estimar el precio medio
poblacional.

Para cada parámetro pueden existir varios estimadores diferentes. En general, se elige el estimador
que posea mejores propiedades que los restantes, como insesgadez, eficiencia, convergencia y
robustez (consistencia).

El valor de un estimador proporciona una estimación puntual del valor del parámetro en estudio.
En general, se realiza la estimación mediante un intervalo, es decir, se obtiene un intervalo
parámetro muestral  error muestral ] dentro del cual se espera se encuentre el valor poblacional
dentro de un cierto nivel de confianza. El nivel de confianza es la probabilidad de que a priori el
valor poblacional se encuentre contenido en el intervalo.

4. Explica el significado de distribución de muestreo.

Las distribuciones de muestreo constituyen una pieza importante de estudio por varias razones. En
la mayoría de los casos, la viabilidad de un experimento dicta el tamaño de la muestra. La
 distribución de muestreo es la distribución de probabilidad de una muestra de una población en
lugar de toda la población.
En palabras más simples, supongamos que de una determinada población tomas todas las muestras
posibles de tamaño n y calculas una estadística (por ejemplo, media) de todas las muestras. Si luego
preparas una distribución de probabilidad de esta estadística, obtendrás una distribución de
muestreo.
Las propiedades de la distribución de muestreo pueden variar dependiendo de cuán pequeña sea la
muestra en comparación con la población. Se supone que la población se distribuye normalmente
como generalmente sucede. Si el tamaño de la muestra es lo suficientemente grande, la distribución
de muestreo también estará cerca de lo normal.

Si éste es el caso, entonces la distribución de muestreo puede ser totalmente determinada por dos
valores: la media y la desviación estándar. Estos dos parámetros son importantes para calcular la
distribución de muestreo si se nos da la distribución normal de toda la población.

5. Elabora un ejemplo de distribución uniforme.

 El experimento de lanzar un dado es un ejemplo que cumple la distribución uniforme,

ya que todos los 6 resultados posibles tienen 1/6 de probabilidad de ocurrencia.

La función de densidad de una distribución uniforme (altura de cada rectángulo en la gráfica anterior) es:

Donde:

a = mínimo valor de la distribución

b = máximo valor de la distribución

b – a = Rango de la distribución
 6. Menciona las características de la distribución simétrica.

Cuando representamos una distribución podemos analizar su nivel de simetría: una distribución
es simétrica si en relación a un valor central la distribución se distribuye un 50% a la derecha y
otro 50% a la izquierda, presentando una forma similar a ambos lados del valor central.

La función simétrica se caracteriza porque la media, la mediana y la moda es el mismo valor.

Si por el contrario la distribución presenta una forma más escorada hacia la izquierda hablamos de
asimetría positiva; y si es más hacia la derecha, de asimetría negativa.

Se utilizan diversos parámetros para medir el nivel de simetría de una distribución. Los más utilizados
son el coeficiente de asimetría de Pearson y el coeficiente de asimetría de Fisher.

7. Elabora un ejemplo de distribución simétrica.

Si representamos las frecuencias absolutas de un conjunto de datos con una sola moda mediante
un diagrama de barras y observamos que:

a) Las barras del diagrama son simétricas con respecto a la barra central

b) Los parámetros de la media aritmética, mediana y moda coinciden

c) La mediana se encuentra en el punto medio entre los valores menor y mayor entonces
estamos considerando una distribución simétrica.
Un médico atendió en 200 días las siguientes urgencias:

1, 3, 1, 1, 0, 1, 0, 2, 2, 0, 0, 1, 1, 2, 0, 6, 3, 1, 4, 0

a) Resumir los datos en una tabla que muestre frecuencias absolutas y porcentajes, y dibujar el
correspondiente diagrama de barras.

b) Calcular la media, la mediana y la moda del conjunto de datos. ¿Es simétrica la distribución
anterior?
b)

Ejemplo de donde sí hay distribución simétrica.

 8. Investiga los tipos de distribuciones de datos.

tipos de distribución de datos:

 Uniforme discreta.
 Bernoulli.
 Binomio.
 Binomio negativo.
 Poisson.
 geométrica.
 Uniforme continua.
 Normal (curva de campana).
 Exponencial.
 Gamma.
 Beta.

9. Define una variable aleatoria.

Se denomina variable aleatoria (o estocástica) a la función que adjudica eventos posibles a números
reales (cifras), cuyos valores se miden en experimentos de tipo aleatorio. Estos valores posibles
representan los resultados de experimentos que todavía no se llevaron a cabo o cantidades inciertas.

Cabe destacar que los experimentos aleatorios son aquellos que, desarrollados bajo las mismas
condiciones, pueden ofrecer resultados diferentes. Arrojar una moneda al aire para ver si sale cara o ceca
es un experimento de este tipo.

La variable aleatoria, en definitiva, permite ofrecer una descripción de la probabilidad de que se adoptan
ciertos valores. No se sabe de manera precisa qué valor adoptará la variable cuando sea determinada o
medida, pero sí se puede conocer cómo se distribuyen las probabilidades vinculadas a los valores posibles,
en dicha distribución incide el azar.

10. Menciona un ejemplo de variable aleatoria

𝜀 = 𝑠𝑒 𝑎𝑟𝑟𝑜𝑗𝑎 𝑢𝑛 𝑑𝑎𝑑𝑜 𝑦 𝑠𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎 𝑒𝑙 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑑𝑒 𝑙𝑎 𝑡𝑖𝑟𝑎𝑑𝑎

𝛺 = {1,2,3,4,5 ,6}
Sucesos = cualquier subconjunto de Ω
X: Ω→ R la función identidad Valores posibles de 𝑋 = {1,2,3,4,5 ,6} = 𝑅𝑋
Para un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable
aleatoria X:
𝑃(𝑋 = 1) = 𝑃(𝑋 = 2) = 𝑃(𝑋 = 3) = 𝑃(𝑋 = 4) = 𝑃(𝑋 = 5) = 𝑃(𝑋 = 6) = 1/6.
Referencia Bibliográfica

 Devore J. (2008). Probabilidad y Estadística para ingeniería y ciencias. Séptima edición.

Cengage Learning.
 Huntsberger, D. (1983). Elementos de Estadística inferencial. España: Continental.
 Johnson R. (2012). Probabilidad y Estadística para ingenieros. Octava edición. Pearson.