lOMoARcPSD|9612592

lOMoARcPSD|9612592

Identificación de una problemática.

En la población más joven de la localidad de Kennedy que quiere tener acceso a la educación

en los últimos años encontramos que se han visto afectados por la crisis económica del país y

mundial, la economía los hogares se ven afectadas y con falta de dinero para ayudar a sus hijos

a poder ingresar a la educación superior.

Por esta razón los préstamos bancarios se han convertido en una ayuda para cada una de

estas familias que se han visto afectadas en sus ingresos, ya que el dinero otorgado por las

diferentes entidades bancarias es invertido en la educación superior de sus hijos o es utilizado

para la consecución de una maestría o doctorado. Por lo que mediante en la realización de esta

problemática pienso analizar la población que se beneficiara o a quienes estén interesados en

adquirir uno de estos productos bancarios ya que conocerán sus ventajas y desventajas.

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

1. Recolección de información muestra de la población.

Se las realizará encuestas a las familias del barrio roma en la localidad de Kennedy para

conocer cuáles son las expectativas que tienen al adquirir un crédito estudiantil, saber si desean

aceptarlo o declinan esta opción.

Para la construcción de dicha muestra se consideró el siguiente procedimiento:

• Revisión de los objetivos específicos de la comunidad

• Identificación y selección de los encuestadores

• Redacción de preguntas

• Elaboración de un instructivo para saber las tasas del préstamo en la entidad bancaria

• Acompañamiento de asesores bancarios para fácil respuesta de los clientes.

2. Distribución de muestreo

Distribución normal: Esta distribución es frecuentemente utilizada en las aplicaciones

estadísticas. Su propio nombre indica su extendida utilización, justificada por la frecuencia o

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

normalidad con la que ciertos fenómenos tienden a parecerse en su comportamiento a esta

distribución.

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene

forma de campana.

En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un mismo valor

de p y valores de n cada vez mayores, se ve que sus polígonos de frecuencias se aproximan a una

curva en "forma de campana".

En resumen, la importancia de la distribución normal se debe principalmente a que

hay muchas variables asociadas a fenómenos naturales que siguen el modelo de la normal

(https://www.matematicasonline.es/, s.f.)

Los préstamos de dinero que se solicitaran por la comunidad del barrio roma a las entidades

bancarias van a tener como objeto la educación superior tendrán una distribución normal, y el

objeto es determinar cuántas familias podrán adquirir dichos créditos estudiantiles y cuantas no

podrán hacer uso de el.

3. Tipo de muestra seleccionada

El tipo de muestra que se ha seleccionado pertenece a un barrio de la localidad de Kannedy

llamado roma no superior a 2.000 personas, por ende, considero que esta muestra es de

tamaño

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

pequeño y el tipo de muestreo seleccionado es el estratificado ya que consiste en dividir la

población en estratos y en este caso lo podremos dividir en ingresos por familia.

como parte del proceso de matrículas para el siguiente semestre, la administración de

UNIMINUTO debe calcular la cantidad de salones que se necesitaran para las clases de los

sábados. El semestre anterior, la institución debió subarrendar salones en otras instituciones, de

modo que el área encargada esta reciente a solicitar nuevamente otros lugares para cubrir dicha

necesidad. Sin embargo, el administrador considera que el uso de los datos registrados sobre las

admisiones en los últimos semestres le ayudara a calcular el numero de salones adecuado para

solventarla necesidad de la facultad.

Con los datos que tiene a su disposición y los métodos en, las unidades trabajadas, ¿Cómo

podría ayudar al administrador de la UNIMINUTO a proyectar la cantidad de salones?

6- Elija un estadístico como estimador de un parámetro poblacional teniendo en cuenta

el problema de investigación y sus características.

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

Consistencia. Un estimador es consistente si aproxima el valor del parámetro cuanto mayor

es n (tamaño de la muestra).

Algunos estimadores consistentes son:

Ejemplo

En una población de 500 puntuaciones cuya Media (m) es igual a 4.9 han hecho tres muestreos

aleatorios (número de muestras= 100) con los siguientes resultados:

vemos que el muestreo en que n=100 la Media de las Medias muestrales toma el mismo valor

que la Media de la población. (www.uv.es/webgid/Inferencial, s.f.)

7- Usen el teorema del límite central para determinar si la estimación se debe realizar

con un proceso para muestras grandes o pequeñas.

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

El teorema del límite central es un teorema fundamental de probabilidad y estadística. El

teorema describe la distribución de la media de una muestra aleatoria proveniente de una

población con varianza finita. Cuando el tamaño de la muestra es lo suficientemente grande, la

distribución de las medias sigue aproximadamente una distribución normal. El teorema se aplica

independientemente de la forma de la distribución de la población. Muchos procedimientos

estadísticos comunes requieren que los datos sean aproximadamente normales. El teorema de

límite central le permite aplicar estos procedimientos útiles a poblaciones que son

considerablemente no normales. El tamaño que debe tener la muestra depende de la forma de la

distribución original. Si la distribución de la población es simétrica, un tamaño de muestra de 5

podría producir una aproximación adecuada. Si la distribución de la población es

considerablemente asimétrica, es necesario un tamaño de muestra más grande. Por ejemplo, la

distribución de la media puede ser aproximadamente normal si el tamaño de la muestra es mayor

que 50. Las siguientes gráficas muestran ejemplos de cómo la distribución afecta el tamaño de la

muestra que se necesita.

Distribución uniforme

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

Medias de las muestras

Muestras de una población uniforme

Una población que sigue una distribución uniforme es simétrica, pero marcadamente no

normal, como lo demuestra el primer histograma. Sin embargo, la distribución de las medias de

1000 muestras de tamaño 5 de esta población es aproximadamente normal debido al teorema del

límite central, como lo demuestra el segundo histograma. Este histograma de las medias de las

muestras incluye una curva normal superpuesta para ilustrar esta normalidad.

Distribución exponencial

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

Medias de las muestras

Muestras de una población exponencial

Una población que sigue una distribución exponencial es asimétrica y no normal, como lo

demuestra el primer histograma. Sin embargo, la distribución de las medias de 1000 muestras de

tamaño 50 de esta población es aproximadamente normal debido al teorema del límite central,

como lo demuestra el segundo histograma. Este histograma de las medias de las muestras incluye

una curva normal superpuesta para ilustrar esta normalidad. (18, s.f.)

8- Teniendo en cuenta la estimación realizada, identifiquen los limites de confianza

para una distribución normal

En estadística y probabilidad, una distribución normal, también llamada distribución de

Gauss, distribución gaussiana o distribución de Laplace-Gauss, es la más importante de todas las

distribuciones de probabilidad de variable continuay es la que aparece con más frecuencia en

estadística y en la teoría de probabilidades. Pero ¿qué es exactamente?

Pues es un modelo teórico que sirve para aproximar satisfactoriamente el valor de una variable

aleatoria continua a una situación ideal. ¡Te lo explicamos mejor! La distribución normal adapta

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

una variable aleatoria continua a una función que depende de la media y la desviación típica. Es

decir, la función y la variable aleatoria continua tendrán la misma representación, pero con

ligeras diferencias.

¿Te suena el concepto de campana de Gauss? Se llama así a la gráfica de su función de

densidad por tener una forma acampanada y es el gráfico de una función gaussiana. Es simétrica

respecto a un determinado parámetro estadístico.

¿Y por qué esta distribución es tan importante? Porque con ella podemos modelar una gran

cantidad de fenómenos naturales, sociales y psicológicos. Normalmente, se desconocen los

mecanismos de la mayoría de este tipo de fenómenos por su enorme cantidad de variables

incontrolables. Sin embargo, el uso del modelo normal puede justificarse asumiendo que cada

observación se obtiene como la suma de unas pocas causas independientes.

La importancia de la distribución normal también radica en su relación con la estimación por

mínimos cuadrados, uno de los métodos de estimación más simples y antiguos.

Aquí tienes algunos ejemplos de variables asociadas a fenómenos naturales que siguen el

modelo de la distribución normal:

 caracteres morfológicos de individuos como la estatura;

 caracteres fisiológicos como el efecto de un fármaco;

 caracteres sociológicos como el consumo de cierto producto por un mismo grupo de

individuos;

 caracteres psicológicos como el cociente intelectual;

 nivel de ruido en telecomunicaciones;

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

10

 errores cometidos al medir ciertas magnitudes;

Historia de la distribución normal

El matemático francés Abraham de Moivre (1667-1754) fue el que descubrió y presentó la

distribución normal por primera vez en un artículo del año 1733, que también aparece en la

segunda edición de su The Doctrine of Chances, en relación a la aproximación de la distribución

binomial para grandes valores de n.

Su descubrimiento fue desarrollado posteriormente por Laplace en su libro Teoría analítica

de las probabilidades (1812), y en la actualidad se llama Teorema de De Moivre-Laplace.

Laplace se sirvió de la distribución normal para analizar los errores de experimentos.

Entonces, ¿por qué se ha asociado el nombre de Gauss a esta distribución? Este matemático,

astrónomo y físico alemán la usó con mucha frecuencia cuando analizaba datos astronómicos y

algunos autores le atribuyen un descubrimiento independiente del de De Moivre.

Por otra parte, el nombre de «campana» proviene del matemático francés Esprit Jouffret

que empleó el término bell surface (superficie campana) por primera vez en 1872 para una

distribución normal bivariante de componentes independientes.

Los que le atribuyeron el nombre de «distribución normal» fueron los científicos Charles S.

Peirce, Francis Galton y Wilhelm Lexis hacia 1875.

Definiciones de conceptos relacionados

A continuación, te indicamos los significados de algunos conceptos relacionados con la

distribución normal:

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

11

 Media. Número que resulta al efectuar una serie determinada de operaciones con un

conjunto de números y que, en determinadas condiciones, puede representar por sí solo

a todo el conjunto.

 Moda. Valor que aparece con mayor frecuencia en una serie de medidas.

 Mediana. Número central de un grupo de números ordenados por tamaño.

 Desviación típica. Medida que se utiliza para cuantificar la variación o la dispersión

de un conjunto de datos numéricos.

 Varianza. Media de las desviaciones cuadráticas de una variable aleatoria, referidas

al valor medio de esta.

 Variable aleatoria. Función que asigna un valor, usualmente numérico, al resultado de

un experimento aleatorio.

Fórmula de la distribución normal

Dada una variable aleatoria X, decimos que la frecuencia de sus observaciones puede

aproximarse satisfactoriamente a una distribución normal tal que: X ~ N (μ, σ), donde los

parámetros de la distribución son la media o valor central (μ) y la desviación típica (σ).

En otras palabras, la frecuencia de una variable aleatoria X puede representarse mediante una

distribución normal.

Propiedades de la distribución normal

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

12

Estas son algunas de las propiedades más importantes de la distribución normal:

Es una distribución simétrica, por lo que el valor de la media, la mediana y la moda son

iguales.

Es una distribución unimodal, por lo que los valores más cercanos a la media son los más

frecuentes o los que tienen más probabilidad de aparecer. Es decir, cuanto más nos alejamos de la

media, menos probabilidad habrá de que aparezcan los valores.

La forma de la campana de Gauss depende de los parámetros μ y σ. Por una parte, la media

indica la posición de la campana, de modo que la gráfica se desplaza a lo largo del eje horizontal

según los diferentes valores de μ.

Por otra parte, la desviación estándar determina el grado de apuntamiento de la curva. Así,

cuanto mayor sea el valor de σ, más se espaciarán los datos en torno a la media y más plana

será la curva. Por consiguiente, si obtenemos un valor pequeño de este parámetro, hay una gran

probabilidad de obtener datos cercanos al valor medio de la distribución. (Superprof, s.f.)

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

13

Referencias

18, S. d. (s.f.). https://support.minitab.com/. Obtenido de https://support.minitab.com/:

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-

statistics/supporting-topics/data-concepts/about-the-central-limit-theorem/

Superprof. (s.f.). https://www.superprof.es/. Obtenido de https://www.superprof.es/:

https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-

normal/

www.uv.es/webgid/Inferencial. (s.f.). uv.es. Obtenido de uv.es:

https://www.uv.es/webgid/Inferencial/42_caractersticas_estimadores.html

https://www.matematicasonline.es/. (s.f.). https://www.matematicasonline.es/. Obtenido de

https://www.matematicasonline.es/:

https://www.matematicasonline.es/BachilleratoCCSS/segundo/archivos/distribucion_no

r mal/DISTRIBUCION%20NORMAL.htm

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

14

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)