Universidad Abierta y a Distancia de México

Matemáticas

ESTADÍSTICA I

Grupo: MT-MEST1-2002-B2-003

Unidad 2. Estimación

Actividad 1. Distribución simétrica

Docente: Alejandro Salazar Guerrero

Alumno: César García Vera

Matricula: ES1921008878

Ciudad de México a 7 de octubre del 2020

1. Define la estimación estadística

La estimación es una aproximación de un parámetro estadístico de una población

que se obtiene en diferentes muestras. En otras palabras, es un proceso en el cual
se utilizan parámetros de una muestra para estimar parámetros de una población.

2. Explica la relación entre media muestral y media poblacional

La media muestral es una aproximación de la media poblacional, ya que la muestra

es un subconjunto de datos de la población.

3. Describe un estimado estadístico

Estimador puntual: es aquella en donde con un solo valor numérico basta para
estimar el parámetro, y será posible obtener una conclusión de la población.

Estimador por intervalos: es aquella en donde un rango de valores que poseen un

valor de probabilidad, en donde se encuentra el parámetro poblacional.

4. Explica el significado de distribución de muestreo

La distribución de muestreo es la distribución de la estadística de una población, es

decir, se consideran todas las muestras posibles que pueden ser tomadas de una
población, en donde se considera la variable aleatoria. En otras palabras, la
distribución muestral es la distribución de probabilidad de todos los posibles valores
del estadístico muestral.

5. Elabora un ejemplo de distribución uniforme

El experimento de lanzar un dado, el cual tiene 6 caras. El espacio muestral es Ω =

1
{1,2,3,4,5,6} y la probabilidad es uniforme, es decir 𝑃(𝑛) = .
6

1 1 1
𝑃(1) = 𝑃(2) = 𝑃(3) =
6 6 6
1 1 1
𝑃(4) = 𝑃(5) = 𝑃(6) =
6 6 6
Gráficamente se representa como:

6. Menciona las características de la distribución simétrica

La principal característica de la distribución simétrica es que posee un valor central,

las probabilidades de los valores inferiores van aumentando y las probabilidades de
los valores posteriores van disminuyendo. el espacio muestral es Ω =
{𝑥1 , 𝑥2 , … 𝑥𝑛 , … , 𝑥𝑛 }. Y la probabilidad es simétrica respecto al valor central. Su
2

cumple que:

𝑃(𝑥1 ) < 𝑃(𝑥2 ) <, … 𝑃 (𝑥𝑛 ) , > ⋯ , 𝑃(𝑥𝑛−1 ), 𝑃(𝑥𝑛 )

2

La gráfica es simétrica respecto al valor central.

La media, la moda y la mediana se encuentran en el valor central.

7. Elabora un ejemplo de distribución simétrica

Un ejemplo de esta distribución es el lanzamiento de dos dados (suma de los puntos

obtenidos), el espacio muestral es Ω = {2,3,4,5,6,7,8,9,19,11,12}. Y la probabilidad
es simétrica respecto al valor central 7. Las probabilidades son:
 1 2 3 4 5
𝑃(2) = 𝑃(3) = 𝑃(4) = 𝑃(5) = 𝑃(6) =
36 36 36 36 36
6
𝑃(7) =
36
5 4 3 2 1
𝑃(8) = 𝑃(9) = 𝑃(10) = 𝑃(11) = 𝑃(12) =
36 36 36 36 36

Gráficamente se representa como:

8. Investiga los tipos de distribuciones de datos

Distribución uniforme discreta. Esta distribución surge en espacios de

probabilidad equiprobables. en situaciones en donde tenemos 𝑛 resultados
diferentes y todos ellos tienen la misma probabilidad de ocurrir. Los juegos de lotería
son un ejemplo.

Distribución Bernoulli. Esta distribución define aquel experimento aleatorio con

únicamente dos posibles resultados, llamados genéricamente: éxito y fracaso.
Supondremos que las probabilidades de estos resultados son 𝑝 y 1 − 𝑝,
respectivamente.

Distribución binomial. Esta distribución se utiliza en problemas que involucren

variables nominales que tienen dos categorías: falso-verdadero, arriba-abajo, atrás-
adelante, éxito-fracaso, etc. Un ejemplo es el lanzamiento de una moneda al aire,
el cual tiene dos resultados posibles,

Distribución geométrica. Es una distribución de Bernoulli, pero adecuado para

procesos que se repiten hasta obtener el éxito del resultado deseado. en cada uno
de los cuales la probabilidad de éxito es 𝑝.

Distribución hipergeométrica. Esta distribución de probabilidad surge en el

contexto de la toma de una muestra de un conjunto de objetos de dos tipos. Los
objetos del primer tipo pueden corresponder a artículos en buen estado y los del
segundo tipo a artículos en mal estado, o bien a personas con una cierta
característica y a aquellas que no poseen dicha característica.

Distribución Poisson. Esta distribución considera un intervalo de tiempo dado en

la observación de un cierto número de ocurrencias. Para modelar este tipo de
situaciones, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeñas.

9. Define una variable aleatoria

Es una medición que se hace sobre cada uno de los resultados del experimento
aleatorio y cuya respuesta es un número real, así cada resultado ω tiene asociado
un único número x. Matemáticamente es una transformación 𝑋 del espacio de
resultados Ω al conjunto de números reales:

𝑋: Ω → ℝ

Tal que para cualquier número real 𝑥,

{𝜔 ∈ Ω: 𝑋(𝑤) ≤ 𝑥} ∈ ℱ

10. Menciona un ejemplo de variable aleatoria

El experimento de lanzar 2 monedas al aire, donde C representa la cara y X cruz.

El espacio muestral es:
Ω = {𝐶𝐶, 𝐶𝑋, 𝑋𝐶, 𝑋𝑋}

La variable aleatoria está dada por:

𝐶𝐶 → 2

𝐶𝑋, 𝑋𝐶 → 1

𝑋𝑋 → 0

Referencias

• UnADM. (2020). Unidad 2. Estimación. Estadística I. DCEIT. Recuperado el

27/09/2020 :
https://campus.unadmexico.mx/contenidos/DCEIT/BLOQUE2/MT/03/MEST1/U
2/descargables/MEST1_U2_contenido.pdf