UNIVERSIDAD ABIERTA PARA ADULTOS

ASIGNATURA:
Estadisticas II

Participante:
Darniry Salcedo Fernández

Matrícula:
2019-00309

Facilitadora:
Francisco Bobonagua

Tema:
Trabajo final

Fecha:
15/12/2020
Introducción

Al realizar este trabajo final yo les está presentando un breve resumen de cada
unidad donde les desarrollo todo lo aprendido durante el trimestre de esta
materia que Estadística II, esperando que este pueda ser de gran
entendimiento y que de igual forma sean tomados en cuenta todos mis
esfuerzos.

Temas a desarrollar:

Introducción a las Probabilidades

Distribuciones de probabilidad Discreta
Distribuciones de probabilidad continúa
Teoría de Muestreo
Entre otros subtemas mas…

Objetivos específicos

Abarcar a fondo todo sobre las probabilidades y sus funciones

Conocer todo concerniente a las probabilidades discretas
Desarrollar lo que son las teorías de muestreo
Manejar bien el tema de las distribuciones de muestreo

DESARROLLO

Para el trabajo final siguió  las instrucciones del Facilitador 

Subir el portafolio tomando en cuenta los ejercicios trabajados en clase y
el contenido del programa. 
En esta primera unidad la cual trata de las probabilidades puede aprender
que la probabilidad es una de las características más peculiares de los seres
humanos, la cual nos distingue de los animales y es que tenemos el don de
predecir de anticipa un hecho que pueda ocurrir, es el cálculo matemático que
evalúa las posibilidades que existen de que una cosa suceda cuando interviene
el azar.

A continuación les presento un ejemplo de cómo se calcula la probabilidad.

¿Cuál es la probabilidad de que al lanzar un dado salga un número par?

Solución:La probabilidad de que salga un número par, ya que las caras que
muestran un número par son 3 (2, 4 y 6) de un total de seis caras, es, por
tanto, 3 = 1 = 0.5
6 2
Uno de los ejemplos tratados en esta unidad fue el siguiente:

Sea S el espacio de resultados que se obtienen al sumar los puntos al

arrojar dos dados, sea A la suma de puntos de los dos dados es de 12,
sea B aparecer por lo menos un 1 en los dados arrojados.

A) p(AՈB)
P(A)= 1 = 0.028= 2.8%
36
P(B)= 6 = 0.167=16.7%
36

A= P(AՈB)=P(A.B)= 1 . 6 = 6 = 0.005 = 5%
36 36 1236

B) P(AՍB)= 1 + 6 = 7 = 0.19 = 19%

36 36 36

Ya en la siguiente unidad trabajamos con lo que son Distribuciones de

probabilidad Discreta aquí vimos todo lo que es la distribución binomial y la
distribución de possion. la distribución binomial es una distribución teórica,
que se puede calcular mediante el uso de la fórmula de la función de
probabilidad. Sin embargo, los cálculos pueden ser muy tediosos,
especialmente cuando nos piden probabilidades acumuladas, ya que será
necesario aplicar la fórmula repetidamente.

La distribución binomial viene definida como sigue:  

Sea una población de tamaño ∞.

Sea una muestra de tamaño n (número de repeticiones del
experimento).
Los n experimentos realizados son independientes.
Etc…

Algunos ejemplos típicos de la distribución binomial son: 

Al nacer  puede ser varón o hembra.

Un equipo de baloncesto puede ganar o perder.
En un test psicotécnico hay peguntas de verdadero o falso, es decir sólo
hay dos alternativas.
Ejemplo de cómo calcular una distribución binomial:

Supongamos que el 40% de los que visitan el banco B Y B usan tarjetas de

crédito. Si8i elegimos 12 clientes al azar para ofrecerles tarjetas de crédito de
banco, que probabilidad hay de que exactamente 5 adquieran nuestra tarjeta
de crédito?

Solución:

Datos:

n= 12 número de casos o casos totales

x= 5 número que buscamos

Probabilidad de éxito: 40%

Q= probabilidad de fracaso 1-p= 1-0.40= 0.60

Formula:

B(X;N;P)= NCXPXQN-X

B(5;12;0.40)=12C5* 0.40(5)* 0.6012-5

B(5;12;0.40)= 792* 0.0102* 0.0279= 0.2253

B(5;12;0.40)= 22.53%

Mientras que la probabilidad de possion ofrecerá buenas aproximaciones a

probabilidades de variables binomiales cuando n ≥ 50 y p ≤ 0,1 y en el
intervalo, 10 ≤ np ≤100, las aproximaciones serán excelentes, ya que en
muchos casos la aplicación de la función de probabilidad de la binomial puede
llegar a ser complicada.  

La distribución de Poisson se caracteriza por las siguientes propiedades:

Sea una población de tamaño ∞.

Sea una muestra de tamaño n bastante elevado (se suele hablar de que
tiende a ∞)
Los sucesos son independientes entre si

Ejemplo de cómo calcular una distribución de possion

La probabilidad de que un cliente compre pescado en el supermercado es 0.05

cada vez que van de compra al supermercado, si se realizan 100 compras,
¿cuál es la probabilidad de comprar 3 veces pescado?

Datos:
Media poblacional (K) es = 100 * 0.05 = 5

X=3

E = 2.71828

Formula: P(x; λ)=e− λ ¿

X!
P (3; 5)=2.71828−5 ¿
3!
P (3; 5)= (0.0067) (125)
6
P (3; 5)= 0.8375
6
P (3; 5)= 0.1396= 13.96%

Teoría de muestreo es un capítulo de la estadística y de la teoría aplicada de

las probabilidades, hay dos tipos de muestreo que son: el muestreo
probabilístico y el muestreo no probabilístico, “El muestreo es probabilístico
cuando se puede determinar de antemano la probabilidad de selección de cada
uno de los elementos de la población o universo bajo estudio, mientras que el
muestreo no probabilístico es una técnica de muestreo en la cual el
investigador selecciona muestras basadas en un juicio subjetivo en lugar de
hacer la selección al azar.

Hay también dos formas de trabajar el tamaño de la muestra que son: la finita y
la infinita

Ejemplo para desarrollar el tamaño de la muestra infinita.

1. El Centro Económico del Cibao va a realizar una encuesta política en

Santo Domingo y necesita determinar el tamaño de la muestra a partir
de las siguientes informaciones:

Datos

Nivel de confianza = 95% (Z = 1.96)

Error permitido = 5%

P = 0.5
 Q=0.5

n=Z2pq
E2
n= 1.962*0.5*0.5
0.052

n=3.8416*0.5*0.5
0.0025

n=0.9604
0.0025

n= 384.16

Ejemplo para desarrollar el tamaño de la muestra finita.

1. El Centro Económico del Cibao va a realizar una encuesta para

determinar el nivel de aceptación del jugo de piña en el desayuno
escolar para las escuelas primarias de Santiago. Este estudio tiene una
población (N) de 30,000 estudiantes. Determinar el tamaño de la
muestra a partir de las siguientes informaciones:

Datos

Nivel de confianza = 95% (Z = 1.96)

Error permitido = 4%

P = 0.5

Q = 0.5

𝑛 = 𝑁𝑍2𝑝𝑞
(𝑁 − 1)𝐸2 +Z2𝑝q

n=30,000*1.962*0.5*0.5
(30,000-1)*0.042+1.962*0.5*0.5

n=30,000*3.8416*0.5*0.5
29,999*0.0016*3.8416*0.5*0.5

n= 28,812
46.0976

n=625.0217
CONCLUSION

Bueno es todo lo que me pareció mas convincente a la hora de mi aprendizaje,

entiendo que estos son los temas que mejor entiendo que podría realizarlos sin
problemas, por ende, son los únicos que agregue a mi trabajo final, esperando
que sea suficiente y que hayan llenado las expectativas de mi facilitados
Francisco Bobonagua .

BIBLIOGRAFIA

https://riunet.upv.es/bitstream/handle/10251/7937/Distribucion
%20Poisson.pdf

https://riunet.upv.es/bitstream/handle/10251/7936/Distribucion
%20binomial.pdf

Muchas Gracias