A.A.

Asesor:

Humberto Cerda Zanic

Alumna:

Verónica Aguilar Ayala

Licenciatura en administración de empresas

cuarto cuatrimestre

Materia:

Estadística II

Matricula:

C00000970

03 de octubre 2020
  Por favor considera las siguientes indicaciones para complementar tu actividad:

1. a) Para esta actividad realiza una búsqueda bibliográfica en la Biblioteca Virtual y sitios web de
confianza sobre:
-Medidas de tendencia Central

Las medidas de tendencia central son también frecuentemente usadas para comparar un
grupo de datos con otro, por ejemplo: el promedio de ventas obtenido por un grupo de
vendedores de una zona comparado con el promedio de ventas otro grupo de
vendedores de otra zona, el promedio de reclamos de clientes de una sucursal,
comparado con el promedio de reclamos de otra sucursal.

Otras características generales de las medidas de tendencia central son las siguientes:

     Permiten apreciar qué tanto se parecen lo grupos entre sí.

     Son valores que se calculan para un grupo de datos y que se utiliza para
describirlos de alguna manera

 Normalmente se desea que el valor sea representativo de todos los valores

      
incluidos en el grupo.

    Es el valor más representativo o típico de un grupo de datos, no es el valor

más pequeño o el más grande, sino un valor que está en algún punto intermedio
del grupo, más exactamente,     se acerca a estar al centro de todos los valores,
por ello se les llama medidas de tendencia central.

    Se utilizan como mecanismo para resumir una característica de un grupo de

datos en particular.        

   También para comparar un grupo de datos contra otro.

-Medidas de dispersión
Son números que indican si una variable se mueve mucho, poco, más o menos que otra. La
razón de ser de este tipo de medidas es conocer de manera resumida una característica de la
variable estudiada. En este sentido, deben acompañar a las medidas de tendencia central.
Juntas, ofrecen información de un sólo vistazo que luego podremos utilizar para comparar y, si
fuera preciso, tomar decisiones.

-Media y varianza de las distribuciones discreta

a)      Media:

b)        Varianza:
En ella hay que observar:

c)      Es simétrica si p=q. Si p<q asimetría a la derecha; si p>q, asimetría a la izquierda. Cuando
n la distribución tiende a ser simétrica (distribución normal).

d)      Los valores de P(X=k) están tabulados para valores de p comprendidos entre 0 y 0.5. Si p>0.5, hay
que tener en cuenta que B(n, k, p) = B(n, n-k, q).

Ajuste.

El problema del ajuste es el de buscar una distribución binomial que “mejor” se adapta a unos datos, es
decir, se ha de calcular el valor del parámetro p para el cual las probabilidades binomiales obtenidas sean
las más cercanas posibles a los datos. El procedimiento que se sigue es igualar la media de la muestra a la
media de la población, con lo que tenemos:

Con este valor de p se calculan las correspondientes probabilidades y se comprueba si el ajuste es bueno.
Para medir la bondad del ajuste de una manera objetiva existen métodos matemáticos que se tratarán más
adelante.

-Distribución binomial

Supongamos un experimento aleatorio S y consideremos asociado con él un suceso A de probabilidad p y

sea A* el suceso contrario, cuya probabilidad será q=1-p. Para distinguirlos con mayor facilidad, al
suceso A lo llamaremos éxito, y al suceso A* fracaso.

Repitamos el experimento en las mismas condiciones n veces y supongamos que:

a)      El resultado de cada ensayo es independiente de los resultados anteriores.

b)      La probabilidad de A permanece constante y no varía de una prueba a otra..

Todo experimento que tenga esta característica diremos que sigue el modelo de la distribución binomial.

A la variable X que expresa el número de éxitos obtenidos en la n pruebas del experimento aleatorio la
llamaremos variable aleatoria binomial. Representaremos por B(n, p) a la variable de la distribución,
siendo n y p los parámetros.

Función de probabilidad de la distribución Binomial.

La variable aleatoria que expresa el número de éxitos en n pruebas, es una variable aleatoria discreta
cuyos valores varían de 0, 1, 2,…, n. Y las probabilidades con que toman dichos valores se calculan de la

siguiente forma:                                               

-Distribución poisson

Una variable aleatoria X sigue una distribución de Poisson si puede tomat valores enteros 0, 1, 2, …, n,
…, con probabilidades:
En esta distribución hay que observar:

a)      Depende de un solo parámetro.

b)      Su media, varianza son

c)      Es una buena aproximación de la binomial cuando n grande y p pequeño:

   

En general si n>50 y p<0.1 ó n.p<5 la distribución de Poisson es una buena aproximación de la Binomial.

d)      La distribución de Poisson presenta una ligera asimetría hacia la izquierda. Cuando n tiende hacia
infinito tiende a ser simétrica (distribución normal).

-Distribución normal

Una variable aleatoria discreta X que toma valores enteros 1, 2, …, n con probabilidades: P(X=k)=1/n;
k=1, 2, …, n recibe el nombre de variable uniforme discreta y su distribución de probabilidad distribución
uniforme discreta.

a)      Depende de un solo parámetro n.

b)      Su media y varianza son:

1. En el apartado de Documentos Digitales, se encuentran propuestas de Libro Digital en los

cuales puedes basar tu investigación.
2. Después diseña 2 Ejercicios en que contenga los modelos anteriores de distribución explicando
por qué pertenece a ese modelo de distribución y explica detalladamente la resolución de cada

Se sabe que el 40% de los habitantes de una ciudad consumen

Café diariamente:
1.- Se pregunta a una persona si toma café a diario. La variable aleatoria x1 vale 1 si la respuesta es
afirmativa y 0 en caso contrario. Hallar la media y la desviación típica de x1.
La distribución de x1 es una Bernoulli con p=0,4:
Si toma café:
x1  1 con probabilidad p=0,4

Si no toma café:
x1  0 con probabilidad 1-p=0,6
Luego:
m x1  p  0 ,4
 x1  p (1  p )  0 ,4  0 ,6  0 ,4 8 9 9
2.- Se encuesta a 20 personas sobre su consumo diario de café. Sea x el nº de personas encuestadas que
consume café a diario. Calcular la probabilidad de que x sea igual a 12. Hallar la media y desviación típica
de x. Obtener la probabilidad de que nadie tome café a diario y de que lo hagan al menos tres personas.
La variable aleatoria x sigue una distribución B(20,0,4) (n=20 y p=0,4).

Mirando en la Tabla 1 para k=12, n=20 y p=0,4 tenemos que:

P ( x  1 2 )  0 ,0 3 5 5
La media y desviación típica de x son:
m x  n p  2 0  0 ,4  8
 x  n p ( 1  p )  2 0  0 , 4  ( 1  0 , 4 )  2 ,1 9 0 8

La probabilidad de que ninguna persona tome café diariamente, es decir,

P (x  0) podemos
encontrarla en la Tabla 1 para k=0, n=20 y p=0,4:
P (x  0)  0
La probabilidad de que al menos tres personas tomen café a diario será:
P ( x  3)  1  P ( x  3)  1  P ( x  0)  P ( x  1)  P ( x  2 )
Mirando en la Tabla 1 los valores para k=0, k=1 y k=2 (para n=20 y p=0,4) tenemos:
P ( x  3 )  1  ( 0  0 ,0 0 0 5  0 ,0 0 3 1 )  0 ,9 9 6 4

En caso de qué sea pertinente el uso de algún otro programa adicional para la realización
de la actividad, se te pide que pegues o insertes como imagen el producto obtenido en un
documento Word para su entrega

Bibliografía

1. CANAVOS, G. (1988) Probabilidad y Estadística. Aplicaciones y Métodos. México: McGraw-Hill.

2. DURA PEIRó, J. M. y LóPEZ CUñAT, J.M. (1992) Fundamentos de Estadística. Estadística
Descriptiva y Modelos Probabilísticos para la Inferencia. Madrid: Ariel Editorial.
3. ESCUDER, R. y SANTIAGO, J. (1995) Estadística aplicada. Economía y Ciencias
Sociales. Valencia: Tirant lo Blanch.