Estadística II

Ingeniería en Producción
 ESTADÍSICA DESCRIPTIVA
Rama de las matemáticas que se encarga de recopilar y organizar datos.
Generalmente se recopilan en encuestas, estudios de medidas

RECOPILACIÓN CLASIFICACIÓN PRESENTACIÓN DESCRIPCIÓN

(mediante) (criterios (mediante) (medida de tendancia
ESTADÍSTICA • Encuesta • Alcance • Diagramas central)
DESCRIPTIVA • Cuestionario • Rango • Histogramas • Media
• Censo • Intervalos • Ojivas • Mediana
• Muestreo • Polígonos de frecuencias • Moda
 Statistics
Es el conjunto de individuo sobre
el que se va a estudiar una 100% Población
CARACTERÍSTICA.

Unidad estadística. Es cada uno

de los elementos que componen 1 Individuo
la población.

Un conjunto representativo de la
población. Que reúna características
similares. 35% Muestra
Ejemplo:
- El peso de los estudiantes del curso. Cuál sería
la población? Cada uno de los valores obtenidos
- Color preferido de los estudiantes de la como respuestas.
universidad. Dato
- La intensión del voto para las elecciones de
presidencia de un país.Todos los habitantes ?,,,
 Estadística II
UNIDAD 1

Variables Aleatorias
Distribución de Probabilidades
Distribución Muestral
Variables aleatorias discretas y continuas
Distribución de variables aleatorias discretas
1.2.1 Binomial
1.2.2 Poisson
1.2.3 Hipergeométrica
Distribución de variables aleatorias continuas
1.3.1 Uniforme
1.3.2 Continua
1.3.3 Exponencial
1.3.4 Normal
1.3.5 T de student
1.4 Distribución muestral
1.5 Análisis de los tipos de ditribuciones muestrales
1.5.1. Introducción a las distribuciones muestrales
1.5.2 Distribución muestral de la media
1.5.3 Distribución muestreal de proporciones
1.5.4 Distribución muestreal de diferencias de medias
1.5.5 Distribución muestreal de diferencias de proporciones
1.5.6 Distribución muestreal de varianzas
1.5.7 Distribución
 Números
naturales.

• EJEMPLO EN CLASE DE VARIABLES DISCRETAS …. EL NÚMERO DE

FALTAS EN UN PARTIDO DE FUTBOL. EL NÚMERO DE PERSONAS EN EL
AULA.
• EJEMPLO EN CLASE DE VARIABLES CONTINUAS… El tiempo que
demora un repartidor de comida…..LA ESTATURA DE LOS
ESTUDIANES.
Busque ejemplo en clases.
 1.2. Distribución de Variables Aleatorias Discretas
• Por la aleatoriedad. Evento que puede ocurrir.
• Es una función que asigna números reales a cada uno de los elementos del espacio muestral (todos
los resultados posibles de un experimento….que es un proceso generador de datos).
 VARIABLE =PREGUNTA
PROBABILIDAD = Un evento que puede ocurrir que se encuentra en
tre 0 y 1… entre 0 a 100%.

PROBABILIDAD – MODELOS PROBABILIDAD

Distribución de variables aleatorias discretas
1.2.1 Binomial
1.2.2 Poisson
1.2.3 Hipergeométrica
 TAREA 1.

4 EJEMPLO DE EXPERIMENTOS DEFINIENDO SU

ESPACIO MUESTRAL Y PUNTO MUESTRAL.

Ejemplo:
E1 LANZAR DOS DADOS
Ω 1,2,3,4,5,6,,,,,,36
PUNTO MUESTRAL EJ: 7 EJ.36
 TEORÍA DE LAS PROBAILIDADES

EJEMPLO DE PROBABILIDADES

PROBABILIDAD ES UN EVENTO QUE ESTÁ

SUJETO A UN ERROR
 Ejemplos
ASIGNE UN VALOR
Cuál es la probabilidad de que llueva dentro dormitorio
Cuál es la probabilidad que apruebe el curso ?
Cuál es la probabilidad de que mañana sea martes?
Cuál es la probabilidad de que ocurra un terremoto.
Cuál es la probabilidad de que le caiga un rayo

Las que no se sabe se las saca con datos históricos

• Alternativa
• Opciones
Ejemplo: Existe la posibilidad de que reciba una
tostadora de regalo si comprar una refrigeradora….
 Teorema de la Probabilidad
Teorema de la Histórica
 Distribución de Probabilidades

Modelos Ordinarios o Modelos Matemáticos

• La estadística es una ciencia que sirve a las

matemáticas.
• La probabilidad de responde en números lo que yo
quiero saber.
• La respuesta a las probabilidades las da la
estadística…. Mediante los modelos….fórmulas
Modelos o Modelos
Distribución Distribución
Discretas Continuas

Binomiales Uniforme

Hipergeométria Normal

Poisson Exponencial
Población y Muestra
SIGNIFICADOS
 TAREA
1. Investigue la fórmula.
2. Dados los siguientes resultados de pacientes con coronavirus, determinar el promedio de
pacientes infectados, la varianza o variabilidad de estos datos y desviación. . Haga una tabla
de los resultados.

POBLACIONAL
• CASO 1: 5,3,2,5,7,4
• CASO 2: 2,1,8,6,3

MUESTRAL
• CASO 1: 4,0,7,3,6,
• CASO 2: 7,9,5,3
EJERCICIO DE IDENTIFICACIÓN DE SIMBOLOS
 DESCARGUE
CALCULADORA CIENTÍFICA

https://frikiaps.com/simulador-de-calculadora-casio-fx82es/
DISTRIBUCIÓN DISCRETA BINOMIAL
Para que una variable aleatoria se considere que sigue una distribución binomial,
tiene que cumplir las siguientes propiedades:

• En cada ensayo, experimento o prueba solo son posibles dos

resultados (éxito o fracaso).
• La probabilidad del éxito ha de ser constante. Esta se representa
mediante la letra p. La probabilidad de que salga cara al lanzar una
moneda es 0,5 y esta es constante dado que la moneda no cambia en
cada experimento y las probabilidades de sacar cara son constantes.
• La probabilidad de fracaso ha de ser también constate. Esta se
representa mediante la letra q = 1-p. Es importante fijarse que
mediante esa ecuación, sabiendo p o sabiendo q, podemos obtener
la que nos falte.
• El resultado obtenido en cada experimento es independiente del anterior. Por
lo tanto, lo que ocurra en cada experimento no afecta a los siguientes.
• Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al
mismo tiempo. No se puede ser hombre y mujer al mismo tiempo o que al
lanzar una moneda salga cara y cruz al mismo tiempo.
• Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2
ha de ocurrir. Si no se es hombre, se es mujer y, si se lanza una moneda, si no
sale cara ha de salir cruz.
• La variable aleatoria que sigue una distribución binomial se suele representar
como X~(n,p), donde n representa el número de ensayos o experimentos y p
la probabilidad de éxito.
 Fórmula

Es importante resaltar que la expresión entre

corchetes no es una expresión matricial, sino que es
un resultado de una combinatoria sin repetición. Este
se obtiene con la siguiente formula:

El signo de exclamación en la expresión anterior representa el símbolo de factorial.

 Ejemplo de distribución binomial

Imaginemos que un 80% de personas en el mundo ha visto el partido de la final del último mundial de
fútbol. Tras el evento, 4 amigos se reúnen a conversar, ¿Cuál es la probabilidad de que 3 de ellos hayan
visto el partido?
Definamos las variables del experimento:

n = 4 (es el total de la muestra que

tenemos)
x = número de éxitos, que en este caso es
igual a 3, dado que buscamos la
probabilidad de que 3 de los 4 amigos lo
hayan visto.
p = probabilidad de éxito (0,8)
q = probabilidad de fracaso (0,2). Este
resultado se obtiene al restar 1-p.
Tras definir todas nuestras variables,
simplemente sustituimos en la formula.
resultado final sería: 4*0,512*0,2 = 0,4096. Si multiplicamos por 100 tenemos que hay una probabilidad del
40,96% de que 3 de los 4 amigos haya visto el partido de la final del mundial
Ejercicio en EXCEL
DISTRIBUCIÓN DISCRETA HIPERGEOMÉTRICA
 3 10 −3
3𝐶2 ⋅ 7𝐶2
𝑃 𝑥 = 2, 𝜂 = 4 = 2 4 −2
10 10𝐶4
4
𝑁 = 9 + 6 = 15
𝑘=6
𝑛=3
𝑥 = 1,2,3
DISTRIBUCIÓN DISCRETA DE POISSON
Distribucion de Poisson
EJERCICIO:
Durante un experimento de laboratorio el numero promedio de
partículas radiactivas que pasan a través de un contador en un
milisegundo es 4. .Cual es la probabilidad de que entren 6 partículas al
contador en un milisegundo dado?

𝑥=6
𝑢=4
EJERCICIO:
El numero promedio de camiones-tanque que llega cada dia a cierta ciudad portuaria es
10. Las instalaciones en el puerto pueden alojar a lo sumo 15 camiones-tanque por dia.
.Cual es la probabilidad de que en un dia determinado lleguen mas de 15 camiones y se
tenga que rechazar algunos?

EXCEL:
0.0487.
u 10 0,9512596
x 15 0,0487404
 Distribución de Variables Continuas
Las distribuciones continuas son aquellas encargadas de describir las probabilidades de los posibles valores
de una variable aleatoria continua.
EL OBJETIVO ESDE LOS MODELOS EN ENCONTRARLOS PARA RESPONDER PREGUNTASDE PROBABILIDADES.

Característica:

1.f(x) >= 0 las LO QUE IMPLICA QUE DEBE SER SIEMPRE POSITIVA O, SI LO REPRESENTAMOS EN UN PLANO
CARTESIANO, ESTA SE ENCONTRARÀ SOBRE EL EJE DE LAS X (PRIMER Y SEGUNDO CUADRANTE).

2. EL MODELO DEBE TENER SIMPRE UN AREA BAJO LA CURVA DE 1.

3. TODA PROBABILIDAD SE REPRESENTA Y SE RESUELVO POR UNA INTEGRAL, DETERMINARNDO EL AREA BAJO
LA CURVA.
 CONCEPTOS DE LOS 2 ESTADISTICOS MÀS IMPORTANTES
A TENER EN CUENTA EN UN MODELO DE DENSIDAD TANTO
EN EL CASO DISCRETO COMO EN EL CONTINUO:

• LA ESPERANZA MATEMATICA ES EL PROMEDIO DE

LOS DATOS

• Y VARIANZA ES LA VARIABILIDAD DE LOS DE LOS

DATOS, ES DECIR, CUAN DISPERSOS SE
ENCUENTRAN LOS DATOS… NO OLVIDAR
MODELOS Y SUS ESTADISTICOS
YA NO DE ESTA MANERA, AHORA el MODELO Y LA FORMULA, CAMBIA
PORQUE DEPENDE DE LA RESOLCION MATEMATICA DE UNA
INTEGRAL QUE ES EN REALIDAD EL AREA BAJO LA CURVA.
Diferencias:
7. Entre las distribuciones de probabilidades
continuas encontramos:
a) Distribución uniforme
b) Distribución normal
c) Distribución Gamma
d) Distribución exponencial
e) Distribución Chi-cuadrada.
 SOLO SE PUEDEN HACER 5 TIPOS DE PREGUNTAS EN TODO UN
ESCENARIO DE LA VIDA REAL

EJEMPLO ESPECIFICO…SI TENGO UNA MAQUINA QUE PRODUCE ENTRE 2 Y 10 TELEVISORES POR DÌA…. YO
ME PREGUNTO
CUÀL ES LA PROBABILIDAD DE UN MAQUINO PRODUZCA MENOS DE 5 REPUESTO,
● CUAL ES LA PROBABILIDAD DE UN MAQUINO PRODUZCA MENOR O IGUAL A 5 REPUESTO,
● CUAL ES LA PROBABILIDAD DE UN MAQUINO PRODUZCA MAS DE DE 5 REPUESTO,
● CUAL ES LA PROBABILIDAD DE UN MAQUINO PRODUZCA MAS O MAYOR A 5 REPUESTO,
● CUAL ES LA PROBABILIDAD DE UN MAQUINO PRODUZCA EXACTAMENTE 5
 Distribución de Variables Continuas
Distribución uniforme
En la fi gura 6.1 se muestra la función de densidad o MODELO para una variable
aleatoria uniforme en el intervalo [1, 3].. DETERMINAR:

1. IDENTIFIQUE EL MODELO O LA FUNCIÒN DE DENSIDAD DADO QUE YA SABE QUE ES

UNIFORME.

2. GRAFIQUELO
3. CUAL ELS LA PROBABLIDAD QUE X SEA MAYOR A 2.
4. CUAL ES LA PROBABILIDAD QUE X SEA MENOR A 2
5. CUAL ES LA PROBAABILIDAD QUE X SEA MENOR P IGUA A 2
6. CUAL ES LA PROBABILIDAD DE QUE X SEA IGUA A 2
En la fi gura 6.1 se muestra la función de densidad o MODELO para una variable
aleatoria uniforme en el intervalo [1, 3].. DETERMINAR:
1. IDENTIFIQUE EL MODELO O LA FUNCIÒN DE DENSIDAD DADO QUE YA SABE QUE ES UNIFORME.

2. GRAFIQUELO
3. CUAL ELS LA PROBABLIDAD QUE X SEA MAYOR A 2.
4. CUAL ES LA PROBABILIDAD QUE X SEA MENOR A 2
5. CUAL ES LA PROBAABILIDAD QUE X SEA MENOR P IGUA A 2
6. CUAL ES LA PROBABILIDAD DE QUE X SEA IGUA A 2
En la fi gura 6.1 se muestra la función de densidad o MODELO para una variable
aleatoria uniforme en el intervalo [1, 3].. DETERMINAR:
1. IDENTIFIQUE EL MODELO O LA FUNCIÒN DE DENSIDAD DADO QUE YA SABE QUE ES UNIFORME.

2. GRAFIQUELO
3. CUAL ELS LA PROBABLIDAD QUE X SEA MAYOR A 2.
4. CUAL ES LA PROBABILIDAD QUE X SEA MENOR A 2
5. CUAL ES LA PROBAABILIDAD QUE X SEA MENOR P IGUA A 2
6. CUAL ES LA PROBABILIDAD DE QUE X SEA IGUA A 2
En la fi gura 6.1 se muestra la función de densidad o MODELO para una variable
aleatoria uniforme en el intervalo [1, 3].. DETERMINAR:
1. IDENTIFIQUE EL MODELO O LA FUNCIÒN DE DENSIDAD DADO QUE YA SABE QUE ES UNIFORME.

2. GRAFIQUELO
3. CUAL ELS LA PROBABLIDAD QUE X SEA MAYOR A 2.
4. CUAL ES LA PROBABILIDAD QUE X SEA MENOR A 2
5. CUAL ES LA PROBAABILIDAD QUE X SEA MENOR O IGUA A 2
6. CUAL ES LA PROBABILIDAD DE QUE X SEA IGUA A 2
6.3 La cantidad de cafe diaria, en litros, que sirve
una maquina que se localiza en el vestibulo de un
aeropuerto es una variable aleatoria X que tiene una
distribucion continua uniforme con A = 7 y B = 10.
Calcule la probabilidad de que en un día determinado
la cantidad de cafe que sirve esta maquina sea A LO SUMO ES LO MISMO QUE A LO MUCHO Y
TODO LO QUE TENGA QUE VER CON
a) a lo sumo 8.8 litros; MUCHO…. (MENOR O IGUAL)
b) mas de 7.4 litros, pero menos de 9.5 litros;
c) al menos 8.5 litros.

DETERMINAR EL MODELO Y GRAFICAR

6.3 La cantidad de cafe diaria, en litros, que sirve
una maquina que se localiza en el vestibulo de un
aeropuerto es una variable aleatoria X que tiene una
distribucion continua uniforme con A = 7 y B = 10.
Calcule la probabilidad de que en un dia determinado
la cantidad de cafe que sirve esta maquina sea
a) a lo sumo 8.8 litros; b) mas de 7.4 litros, pero menos de 9.5 litros;
b) mas de 7.4 litros, pero menos de 9.5 litros;
c) al menos 8.5 litros.
6.3 La cantidad de cafe diaria, en litros, que sirve
una maquina que se localiza en el vestibulo de un
aeropuerto es una variable aleatoria X que tiene una
distribucion continua uniforme con A = 7 y B = 10.
Calcule la probabilidad de que en un dia determinado
la cantidad de cafe que sirve esta maquina sea
a) a lo sumo 8.8 litros;
b) mas de 7.4 litros, pero menos de 9.5 litros;
c) al menos 8.5 litros.

https://es.symbolab.com/solver/indefinite-integral-
calculator/%5Cint_%7B8.5%7D%5E%7B10%7D%20%5Cfrac%7B1%7D%7B3%7Ddx?or=input
Suponga que el tiempo maximo que se puede reservar una sala de conferencias grande
de cierta empresa son cuatro horas. Con mucha frecuencia tienen conferencias extensas
y breves. De hecho, se puede suponer que la duracion X de una conferencia tiene
una distribucion uniforme en el intervalo [0, 4].

a) ¿Cuál es la función de densidad de probabilidad?

b) ¿Cuál es la probabilidad de que cualquier conferencia determinada dure al menos 3 horas?

a) La función de densidad apropiada para la variable aleatoria X distribuida uniformemente es

Entonces: La función de densidad apropiada para la variable aleatoria X distribuida uniformemente es esta:

NUNCA OLVIDAR QUE EN LA VIDA REAL.LAS FRASES

• AL MENOS
• CUANDO MENOS
• SIGNIFICAN mayor o igual

Y las frases
A lo mucho
Cuando mucho
SIGNIFICAN menor o igual.
 DISTRIBUCIÓN NORMAL

La distribución de probabilidad continua mas

importante en todo el campo de la estadística 𝜇=0
es la distribución normal. Su grafica, denominada
curva normal, es la curva con forma de campana
de la figura 6.2, la cual describe de manera Dispersión
aproximada muchos fenómenos que ocurren en la
naturaleza, la industria y la investigación.
Màs
usada

Por ejemplo, si compramos un celular y el fabricante me indica que tiene una garantía de 2
años o vida útil del celular. Nos preguntamos.

• Cuàl es la probabilidad de que el celular se dañe a los 5 días después de comprado…..

Responda, es ALTA O BAJA ?
• Cuàl es la probabilidad de que el celular se dañe a los 2 años que me dijo el fabricante.
Responda, es ALTA O BAJA ?
• Cual es la probabilidad de que el celular, dure 20 años?
• Responda, es ALTA O BAJA
• ……………ASÌ MUCHOS EJEMPLOS Y CASOS DE PRODUCCIÒN DE PRODUCTOS CON VIDA ÙTIL.
ELEMENTOS A TENER PRESENTE EN LA DEFINICIÓN

ESTO ES SOLO NOMENCLATURA Y SE LEE: X se ajusta a una distribución

normal con media mu y desviación sigma.
LA DISTRIBUCION NORMAL ES PERFECTA… (ESPEJO SIMETRÍA VERTICAL)
❑ El valor de la media, la mediana y la moda coinciden
matemáticamente.
❑ Media = Mediana = Moda
❑ Distribución unimodal.
❑ Los valore que son más frecuentes o que tienen más
probabilidad de aparecer están alrededor de la media.
En otras palaras, cuando nos alejamos de la media, la
probalidad de aparición de los valores y su frecuencia
descienden.
NO OLVIDAR:
• MEDIA: ES EL PROMEDIO (MU)
• MEDIANA: ES EL VALORE JUSTO EN EL
CENTRO QUE TIENE EL 50% DE DATOS
A LA DERECHA Y EL OTRO 50% A LA
IZQUIERDA.
• MODA: ES LA OBSERVACION QUE MÁS
SE REPITE, O LO MÁS FRECUENTE
 NO MEMORIZAR. SOFTWARE O
HERRAMIENTA.

DEFINICIÓN FORMAL DE LA DISTRIBUCIÓN NORMAL

REQUISITOS:
1 TENER UNA MEDIA
POBLACIONAL
2 TENER UNA VARIANZA O SU
RESPECTIVA DESVIACIÒN
LA PROBABILIDAD SABEMOS QUE ES EL ÀREA BAJO LA CURVA, POR ENDE
DEBEMOS DE ENCONTRAR.
Para hallar esta área debemos de resolver las integrales o apoyarnos en algún software.
DISTRIBUCIÒN NORMAL ESTÀNDAR
 ESTADISTICA
Vida real

EN TERMINOS MATEMÀTICOS Y
ESTADISTICOS ES Z.
LA VIDA REAL ES X. SU SU CENTRO SÌ ES CERO.
CENTRO NO ES CERO. Sí está centrada
No está centrada
 LA VIDA REAL ES X. SU
CENTRO NO ES CERO.
No está centrada

EN EL PLANO O EN UN GRAFICO, NO ESTA

EXACTAMENTE EN LA POSICION CERO EN TERMINOS MATEMÀTICOS Y ESTADISTICOS ES Z.
SU CENTRO SÌ ES CERO. Sí está centrada.
ANÀLISIS DEL GRAFICO DE LA DISTRIBUCION NORMAL ESTÀNDAR
ANÀLISIS DEL GRAFICO DE LA DISTRIBUCION NORMAL ESTÀNDAR
 a) El área en la fi gura 6.9a a la
ESTO ES UN PLANO QUE YA
derecha de z = 1.84 es igual a:
ESTA CENTRADO.
1 menos el área a la izquierda de z =
1.84, a saber, 1 – 0.9671 = 0.0329.

0,96711588

0,0322
 ACUMULADO DEL GRANDE
MENOS EL ACUMULADO DE
PEQUEÑO…. IR A EXCEL….
EXCEL SOLO EJECUTA, PERO
EL ANÀLISIS DE LAS REGIONES
O ÀREAS UNO LO TIENE QUE
HACER.

GRANDE MENOS PEQUEÑO

SIEMPRE ES UNA REGIÒN
ENTRE.
 QUIERO SABER LO QUE EN LA VIDA
REAL SE LLAMA 362 A QUÈ VALOR
PASO 1. GRAFICAR X CORRESPONDE EN Z
PASO 2. GRAFICAR EN Z (CENTRADO)

0,8925123 =1,24

0,8925123

0,1074877
DISTRIBUCION GAMMA

DISTRIBUCION EXPONENCIAL
 DISTRIBUCION EXPONENCIAL

1. ALPHA Y BETA SON PARÀMETROS, ASÌ COMO LA BINOMIAL TENÌA DOS PARÀMETROS,
n y p.
2. LA DISTRIBUCION EXPONENCAL ES SUBCONJUNTO DE LA GAMMA.
3. LA DISTRUCION EXPONENCIAL POSEE UN SOLO PARÀMETRO QUE ES BETA, YA QUE
SU ALPHA SIEMPRE ES 1,
4. ES EQUIVALENTE A DECIR QUE LA DISTRIBUCION EXPONENCCIAL ES SOLO BETA,
DEBIDO A QUE ALPHA EN UNA EXPONENCIAL TOMA EL VALOR DE 1
5. La distribución exponencial es de manera similar en el caso discreto a la distribución Poisson.
(espacio y tiempo)
6.55 El tiempo de respuesta de una computadora es
una aplicacion importante de las distribuciones gamma
y exponencial. Suponga que un estudio de cierto sistema
𝒇 𝒙 =?
de computo revela que el tiempo de respuesta, en
segundos, tiene una distribucion exponencial con una
media de 3 segundos.
a) .Cual es la probabilidad de que el tiempo de respuesta
exceda 5 segundos?
b) .Cual es la probabilidad de que el tiempo de respuesta Media es beta, porque la
defincion me dice que el
exceda 10 segundos?
promedio es beta.
b) .Cual es la probabilidad de que el tiempo de
respuesta
exceda 10 segundos?
El tiempo de revisión del motor de un avión sigue una
distribución exponencial con media 2222 minutos.
a) Encontrar la probabilidad de que el tiempo de
revisión sea menor a 10 minutos. 0,7408

El tiempo de vida de una lámpara especial sigue una

distribución exponencial con media 100 hs.
a) ¿Cuál es la probabilidad de que una lámpara dure por
lo menos 30 horas? 0,7408