DIRECCIÓN ACADÉMICA

Formato de entrega de evidencias

FO-205P11000-14

División: (1) Ingeniería en Sistemas Computacionales Grupo: (2) 321-V

Asignatura: (3) Programación Orientada a Objetos Docente: (4) Violeta Rocio Jimenez Olvera

Nombre y número de control: (5) Vega Juárez María Fernanda 223107057

Fecha de entrega: (6) 04 de noviembre Del 2022

Competencia No.: (7) 3 Descripción: (8) Identifica el tipo de variable aleatoria de un experimento para
calcular estadísticos y visualizar del comportamiento de la
variable.
Indicador de alcance: (9) Se adapta a situaciones y contextos complejos.

B) Hace aportaciones a las actividades académicas desarrolladas.

C) Propone y/o explica soluciones o procedimientos no vistos en clase

(creatividad).

D) introduce recursos y experiencias que promueven un pensamiento crítico;

(por ejemplo, el uso de las tecnologías de la información

estableciendo previamente un criterio).

E) Incorpora conocimientos y actividades interdisciplinarias en su aprendizaje.

F) Realiza su trabajo de manera autónoma y autorregulada

Evidencia de aprendizaje: (10) Cuadro comparativo

 CUADRO
COMPARATIVO

Esta distribución es una de las más

Sean c12 y c22dos variables c2de
Pearson con n1 y n2 grados de
importantes distribuciones de variable
La distribución hipergeométrica es discreta. Sus principales aplicaciones
especialmente útil en todos aquellos casos en los hacen referencia a la modelización de
que se extraigan muestras o se realizan situaciones en las que nos interesa
experiencias repetidas sin devolución del
determinar el número de hechos de cierto
tipo que se pueden producir en un

DISTRIBUCIÓN DE
elemento extraído o sin retornar a la situación intervalo de tiempo o de espacio, bajo
libertad, independientes entre sí. experimental inicial. presupuestos de aleatoriedad y ciertas
Entonces la variable:
circunstancias restrictivas. Otro de sus
Modeliza , de hecho, situaciones en las que se usos frecuentes es la consideración límite

POISSON

HIPERGEOMÉTRICA
repite un número determinado de veces una de procesos dicotómicos reiterados un
FISHER-SNEDECOR.
DISTRIBUCIÓN F DE

se le denomina F de prueba dicotómica de manera que con cada gran número de veces si la probabilidad de
DISTRIBUCIÓN
obtener un éxito es muy pequeña .
Fisher_Snedecor con n1 y n2 sucesivo resultado se ve alterada la probabilidad
Proceso experimental del que se puede
de obtener en la siguiente prueba uno u otro
grados de libertad. Tiene por resultado. Es una distribución .fundamental en el
hacer derivar
función de densidad: Esta distribución se puede hacer derivar
estudio de muestras pequeñas de poblaciones de un proceso experimental de

.pequeñas y en el cálculo de probabilidades de, observación en el que tengamos las
En esta distribución hay que juegos de azar y tiene grandes aplicaciones en el siguientes características
control de calidad en otros procesos

observar : experimentales en los que no es posible retornar · Se observa la realización de hechos de

a) El campo de variabilidad de a la situación de partida. cierto tipo durante un cierto periodo de
tiempo o a lo largo de un espacio de
la F es el intervalo (0, +¥ )

observación
b) Depende de dos parámetros La distribución hipergeométrica puede
· Los hechos a observar tienen naturaleza
derivarse de un proceso experimental puro o de
n1 y n2. Bernouilli con las siguientes características:
aleatoria ; pueden producirse o no de una
manera no determinística.
c) Es muy utilizada en análisis · El proceso consta de n pruebas , · La probabilidad de que se produzcan un
de la varianza. separadas o separables de entre un conjunto de número x de éxitos en un intervalo de
N pruebas posibles. amplitud t no depende del origen del
d) Se encuentra tabulada para intervalo (Aunque, sí de su amplitud)
· Cada una de las pruebas puede dar
diferentes valores de n1 y n2. Para únicamente dos resultados mutuamente
· La probabilidad de que ocurra un hecho en un intervalo infinitésimo es
prácticamente proporcional a la amplitud del intervalo.

el uso de estas se consideran excluyentes: A y no A.

· La probabilidad de que se produzcan 2 o más hechos en un intervalo
infinitésimo es un infinitésimo de orden superior a dos.
En consecuencia, en un intervalo infinitésimo podrán producirse O ó 1 hecho
áreas a la derecha de un punto · En la primera prueba las probabilidades pero nunca más de uno

son :P(A)= p y P(A)= q ;con p+q=l. · Si en estas circunstancias aleatorizamos de forma

Fα;n1,n2 (punto crítico) que deja a
la derecha, bajo la curva un área
igual a α (nivel de significación).
Las probabilidades de obtener un resultado A y
de obtener un resultado no A varían en las
sucesivas pruebas, dependiendo de los
que la variable aleatoria X signifique o designe el
"número de hechos que se producen en un intervalo
de tiempo o de espacio", la variable X se distribuye
con una distribución de parámetro l . Así :

. resultados anteriores. El parámetro de la distribución es, en principio, el

En las tablas aparecen solo dos
valores de α=0.05 y α=0.01. Para
valores de α=0.95 y de α=0.99 se
considera la relación:
· (Derivación de la distribución) . Si estas
circunstancias a leatorizamos de forma que la
variable aleatoria X sea el número de resultados
A obtenidos en n pruebas la distribución de X
será una Hipergeométrica de parámetros N,n,p
así
factor de proporcionalidad para la probabilidad de un
hecho en un intervalo infinitésimo. Se le suele
designar como parámetro de intensidad , aunque
más tarde veremos que se corresponde con el
número medio de hechos que cabe esperar que se
produzcan en un intervalo unitario (media de la
distribución); y que también coincide con la varianza
de la distribución.

 CUADRO
COMPARATIVO

Esta prueba puede utilizarse incluso con

datos medibles en una escala nominal. La
La distribución F es una hipótesis nula de la prueba Chi-cuadrado
distribución continua postula una distribución de probabilidad
totalmente especificada como el modelo
de muestreo de la matemático de la población que ha generado
la muestra.
relación de dos Para realizar este contraste se disponen los

PRUEBA CHI-CUADRADO
datos en una tabla de frecuencias. Para cada
variables aleatorias valor o intervalo de valores se indica la
frecuencia absoluta observada o empírica
independientes con (Oi). A continuación, y suponiendo que la
distribuciones de chi- hipótesis nula es cierta, se calculan para cada
valor o intervalo de valores la frecuencia
DISTRIBUCIÓN F

cuadrada, cada una absoluta que cabría esperar o frecuencia

esperada (Ei=n·pi , donde n es el tamaño de la
dividida entre sus muestra y pi la probabilidad del i-ésimo valor
o intervalo de valores según la hipótesis nula).

grados de libertad. La El estadístico de prueba se basa en las

diferencias entre la Oi y Ei y se define como:
distribución F es

asimétrica hacia la Este estadístico tiene una distribución Chi-

cuadrado con k-1 grados de libertad si n es
derecha y es descrita suficientemente grande, es decir, si todas las
frecuencias esperadas son mayores que 5. En
por los grados de la práctica se tolera un máximo del 20% de
frecuencias inferiores a 5.
libertad de su Si existe concordancia perfecta entre las
frecuencias observadas y las esperadas el
numerador (ν1) y estadístico tomará un valor igual a 0; por el
denominador (ν2). Las contrario, si existe una gran discrepancias
entre estas frecuencias el estadístico tomará
siguientes gráficas un valor grande y, en consecuencia, se
rechazará la hipótesis nula. Así pues, la región
muestran el efecto de crítica estará situada en el extremo superior
de la distribución Chi-cuadrado con k-1
los diferentes valores grados de libertad.

de grados de libertad
en la forma de la
distribución.