CENTRO UNIVERSITARIO IMEC

NOMBRE: VICTORIA STEPHANIA HINOJOSA GARRIDO

LIC. ADMINISTRACION DE EMPRESAS

“RESUMEN ESTADISTICA”

PROBABILIDAD Y ESTADISTICA.

PROF: CARLOS ERNESTO BENITEZ

2° CUATRIMESTRE
  DISTRIBUCION NORMAL
La distribución normal (en ocasiones llamada distribución gaussiana) es la
distribución continua que se utiliza más comúnmente en estadística, es un
modelo que aproxima el valor de una variable aleatoria a una situación ideal,
dependiendo de la media y la desviación típica.
La distribución normal es de vital importancia en estadística por tres razones
principales:
 Muchas variables continuas comunes en el mundo de los negocios tienen
distribuciones que se asemejan estrechamente a la distribución normal.
 La distribución normal sirve para acercarse a diversas distribuciones de
probabilidad discreta, como la distribución binomial y la distribución de
Poisson.
 La distribución normal proporciona la base para la estadística inferencial
clásica por su relación con el teorema de límite central.
Ejemplo:
En un examen de matemáticas, la media fue de 72 y la desviación típica fue
de 15, determinar las referencias tipificadas (es decir graduaciones en
unidades de desviación “típicas”) de los estudiantes que obtuvieron
puntuaciones de a)60, b) 93, c)72.
S= Desviación típica
Z= referencias tipificadas

Solución
x. x 60 .72
a) S = 15 = 0.8
x. x 93 .72
b) S = 15 = 1.4
x. x 72. 72
c) S = 15 = 0
Con referencia al problema anterior, hallar las puntuaciones correspondientes a
las referencias tipificadas.
a) -1, b) 1.6
Solución:
a) X= x+Zs= 72+(-1) (15) = 57
b) X= x+Zs= 72+(1.6) (15) = 96
Hallar el área bajo la curva normal en cada uno de los siguientes casos:
 a) Entre Z= 0 y Z= 1.2
Entre dicha tabla se va hacia abajo en la columna encabezado por “Z” hasta
alcanzar el valor 1.2, entonces por esa fila hacia la derecha por “0”. El resultado
“0.3849”, es el área perdida y representa la probabilidad de que Z este
comprendida entre 0 y 1.2 denotado por:
P[0≤Z≤1.2]

 Distribuciones de Poisson
La distribución de Poisson es una distribución de probabilidad discreta que expresa, a
partir de una frecuencia de ocurrencia media λ, la probabilidad que ocurra un determinado
número de eventos k ∈ X durante un intervalo de tiempo dado o una región específica.

Se lee como “X es una variable aleatoria con una distribución de Poisson”. El
parámetro es μ (o λ); μ (o λ) = la media del intervalo de interés. La media es el
número de ocurrencias que se producen por término promedio durante el periodo
del intervalo.

 Distribución binomial
Una distribución binomial es una distribución de probabilidad discreta que describe
el número de éxitos al realizar n experimentos independientes entre sí, acerca de
una variable aleatoria.
Existen una gran diversidad de experimentos o sucesos que pueden ser
caracterizados bajo esta distribución de probabilidad. Imaginemos el lanzamiento
de una moneda en el que definimos el suceso “sacar cara” como el éxito. Si
lanzamos 5 veces la moneda y contamos los éxitos (sacar cara) que obtenemos,
nuestra distribución de probabilidades se ajustaría a una distribución binomial.

 Distribución multinomial
En teoría de probabilidad, la distribución multinomial o distribución multinómica es una
generalización de la distribución binomial.
La distribución binomial es la probabilidad de un número de éxitos en N sucesos de Bernoulli
independientes, con la misma probabilidad de éxito en cada suceso. En una distribución
multinomial, el análogo a la distribución de Bernoulli es la distribución categórica, donde cada
suceso concluye en únicamente un resultado de un número

 AJUSTE DE DISTRIBUCIONES TEORICAS

Una distribución estadística es la frecuencia teórica de la ocurrencia de los valores que puede
tomar una variable. En el nodo Ajustar simulación, se compara un conjunto de distribuciones
estadísticas teóricas con cada uno de los campos de datos. Las distribuciones disponibles al
ajuste se describen en el tema Distribuciones. Los parámetros de la distribución teórica se
ajustan para dar el mejor ajuste a los datos conforme una medición de la bondad del ajuste, ya
sea el criterio de Anderson-Darling o el criterio de Kolmogorov-Smirnov. El resultado del ajuste
de distribución llevado cabo por el nodo Ajustar simulación muestra qué distribuciones se han
ajustado, las mejores estimaciones de parámetros para cada distribución y en qué medida la
distribución se ajusta a los datos. Durante el ajuste de distribución, también se calculan las
correlaciones entre los campos con tipos de almacenamiento numérico y las contingencias
entre campos con una distribución categórica. Los resultados del ajuste de distribución se
utilizan para crear un nodo Generar simulación.
Antes de que ajustarse las distribuciones a los datos, se examinan los primeros 1000 registros
en busca de datos ausentes. Si faltan demasiados valores, el ajuste de distribuciones no será
posible. En tal caso, deberá decidir cuál de las opciones siguientes procede:
 Utilizar un nodo anterior en la ruta para eliminar los registros a los que les falten
valores.
 Utilizar un nodo anterior en la ruta para asignar los valores que falten.