Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por:
Presentado a:
pág. 1
TABLA DE CONTENIDO
Pág.
INTRODUCCIÓN---------------------------------------------------------------------------------- 3
OBJETIVOS----------------------------------------------------------------------------------------- 4
1. PUNTO1------------------------------------------------------------------------------------- 5-6
2. PUNTO 2------------------------------------------------------------------------------------ 6-7
3. PUNTO CUADRO EXCEL------------------------------------------------------------- 7-15
CONCLUSIONES--------------------------------------------------------------------------------- 16
BIBLIOGRAFIA----------------------------------------------------------------------------------- 17
pág. 2
INTRODUCCIÓN
Una variable aleatoria se define continua cuando el conjunto de valores que puede tomar es
un infinito continuo, es decir, puede tomar cualquier valor en un intervalo. Por el contrario,
se define discreta cuando están medidas finitas o infinitas numerables, representan algo que
podemos contar, y no suelen llevar decimales. Las distribuciones de probabilidad más
utilizadas en variables discretas son la distribución binomial y la distribución de Poisson. La
distribución más frecuente en el caso de las variables continuas es la distribución normal.
El Teorema Central del Límite indica que, en condiciones muy generales, la distribución de
la suma de variables aleatorias tiende a una distribución normal cuando la cantidad de
variables es muy grande. Es decir, garantiza una distribución normal cuando n es
suficientemente grande.
La distribución de frecuencias es uno de los primeros pasos que debemos realizar al inicio
del análisis estadístico, conjuntamente con la aplicación de las medidas descriptivas, y refleja
cómo se reparten los individuos de una muestra según los valores de una variable. Cuando
se trata de poblaciones, las probabilidades de observar los diferentes valores de una variable
aleatoria pueden expresarse como una función de probabilidad.
pág. 3
OBJETIVOS
OBJETIVO GENERAL:
OBJETIVOS ESPECIFICOS:
pág. 4
TALLER No. 4 – TEORIA DEL LIMITE CENTRAL
Respuesta:
Datos:
µ = 1,30 𝑃𝑈𝐿𝐺
= 0.04 𝑃𝑈𝐿𝐺
𝐴) 𝑥1 = 1.28 𝑥2 = 1.30 𝑃𝑈𝐿𝐺
𝐵) 𝑋 = 1.31 − 1.33 𝑃𝑈𝐿𝐺
a.
b.
1.3 − 1.3
𝑧2 = = 0
0.04
El 19.15% es la probabilidad de que las pelotas de Ping Pon estén entre 1.28 y 1.30 Pulgadas.
pág. 5
Grafica:
2. La cantidad de tiempo que un pagador tarda con cada cliente tiene una media de
población 3.1 minutos y una desviación estándar de 0.40 minutos. Si se selecciona
una muestra aleatoria de 16 clientes.
Respuesta:
3 − 3.1 −0.10
𝑧= = = −0.25
0.40 0.40
𝑃(𝑥 = 3) = 0.0713 + 0
𝑃(𝑥 = 3) = 0.0713
𝑃(𝑥 = 3) = 7.13%
La probabilidad de que el tiempo promedio por cliente sea de al menos 3 minutos es del 7.13%
pág. 6
Gráfica:
pág. 7
557 2 1 6 2 3.1 1 270 21 168 60
587 3 1 1 4 3.3 2 300 32 160 65
589 3 2 2 3 2.6 1 270 17 165 59
590 1 1 0 2 2.7 1 280 19 168 71
616 3 2 0 3 3.8 2 265 19 156 54
621 3 1 0 3 3 2 290 17 171 82
653 1 1 1 3 3.4 2 280 23 178 82
665 2 1 1 2 3.2 2 360 21 158 72
669 3 2 1 1 4 1 315 16 165 61
721 2 1 3 4 2.6 1 410 18 140 46
747 2 2 2 2 4 1 330 18 158 60
748 1 2 3 2 3.3 2 310 17 159 58
761 3 1 3 5 4.1 2 320 16 170 72
771 3 1 1 1 2.8 1 290 24 171 79
825 2 2 8 2 3.7 1 320 22 167 54
873 1 2 3 5 4.2 2 350 22 169 64
876 3 2 6 2 4 2 380 20 165 58
923 1 1 1 3 4.2 1 390 22 174 80
933 1 2 3 10 2.8 2 260 20 165 58
936 2 2 3 10 2.8 2 260 28 158 55
943 3 2 2 6 3.8 2 280 20 168 64
976 3 2 0 3 3.8 2 265 19 156 54
982 3 1 0 6 3 2 410 18 174 86
1001 3 1 3 5 3.1 2 280 17 169 76
1017 2 1 5 2 3.8 2 290 15 162 70
1025 2 1 1 2 3.2 2 360 21 158 72
1037 3 2 0 2 3.3 2 325 19 164 60
suma 993
µ 19,86
n 50
X 21
σ 3,3443
Z= 2,41
21 − 19.86
𝑍=
3.34
√50
1.14
𝑍=
3.34
7.07
pág. 8
1.14
𝑍=
0.47
𝑍 = 2.43
Gráfica:
suma 3321
suma 3321
µ 66,42
µ 66,42
n 50
n 50
X 21
X 19
σ 10,523
σ 10,523
pág. 9
19 − 66.42 −47.42
𝑍1 = = = −4.51
10.523 10.523
21 − 66.42 −45.42
𝑍2 = = = −4.32
10.523 10.523
Gráfica:
Respuesta:
suma 8296
µ 165,92
n 50
X 160
σ 7,44734
pág. 10
160 − 165.92
𝑍=
7.44
√50
−5.92
𝑍=
7.44
7.07
−5.92
𝑍=
1.05
𝑍 = −5.64
Gráfica:
pág. 11
4. De la variable peso, calcule la probabilidad que esta sea menor a 72.
Respuesta:
suma 3321
µ 66,42
n 50
X 72
σ 10,523
72 − 66.42
𝑍=
10.523
√50
5.58
𝑍=
10.523
7.07
5.58
𝑍=
1.45
𝑍 = 3.85
Gráfica:
pág. 12
5. De la variable peso, calcule la probabilidad que esta sea mayor a 70.
Respuesta:
suma 3321
µ 66,42
n 50
X 70
σ 10,523
70 − 66.42
𝑍=
10.523
√50
3.58
𝑍=
10.523
7.07
3.58
𝑍=
1.45
𝑍 = 2.47
pág. 13
6. De la variable peso, calcule la probabilidad que esta sea menor a 68.
Respuesta:
suma 3321
µ 66,42
n 50
X 68
σ 10,523
68 − 66.42
𝑍=
10.523
√50
1.58
𝑍=
10.523
7.07
1.58
𝑍=
1.45
𝑍 = 1.09
pág. 14
7. De la variable Icfes, calcule la probabilidad que esta sea mayor a 345.
Respuesta:
suma 15685
µ 313,7
n 50
X 345
σ 39,7545
345 − 313.7
𝑍=
39.7545
√50
3.30
𝑍=
39.7545
7.07
31.30
𝑍=
5.62
𝑍 = 5.57
pág. 15
CONCLUSIONES
El Teorema Central del Límite establece que la suma de n variables aleatorias independientes
de varianza finita e idéntica distribución tiende a la distribución normal cuando n tiende a
infinito.
El Teorema Central del Límite, permite calcular razonablemente bien las probabilidades de
variables que siguen una distribución Binomial y de Poisson, siempre que el tamaño de
muestra sea suficientemente grande, lo cual equivale a que se cumpla que 𝑛𝑝(1‐ 𝑝) ≥ 9 o
que 𝜆 ≥ 9, respectivamente.
Una variable Binomial 𝐵(𝑛, 𝑝) se aproxima a una normal 𝑁(𝜇, 𝜎), mediante la siguiente
expresión:
pág. 16
Bibliografía
pág. 17