Documentos de Académico
Documentos de Profesional
Documentos de Cultura
5 - Distrbución V.A.C.
5 - Distrbución V.A.C.
DISTRIBUCIÓN
DE PROBABILIDADES
V.A.C.
𝑦 = ⬚⬚ 𝑓(x)
a b
Consideramos que:
Por lo que decimos que cumple las condiciones de cierre para poder estimar
probabilidades en las variables que se encuentran en el mencionado intervalo, ya que el
área comprendida es igual a 1 siendo equivalente a la probabilidad total. Es imposible
estimar la probabilidad para una variable ya que en este caso el área para un punto es 0. Sí
podemos hacerlo considerando un intervalo alrededor del punto.
𝑐+ ∆𝑥
𝑃(𝑐) =∫ 𝑓(𝑥) 𝑑𝑥
𝑐 − ∆𝑥
𝒃 𝒙
𝝈 = √∫ 𝒙𝟐 𝒇(𝒙) 𝒅𝒙 − ∫ 𝒙𝒇(𝒙) 𝒅𝒙
𝒂 𝒂
C.- MEDIANA
𝑴𝒆
𝑴𝒆 = ∫ 𝒇(𝒙) 𝒅𝒙 = 𝟎, 𝟓
𝒂
D.- PERCENTILES
De igual forma se pueden estimar las fracciones tales como: cuartiles, quintiles,
deciles y percentiles colocando el área correspondiente.
̅
𝒙𝒊 − 𝝁
𝒛=
𝝈
Donde:
𝑥𝑖 = variable de población;
𝜇̅ = media aritmética de esa población;
La distribución responde a:
𝑧2
∞ 1 −
∫−∞ 𝜎√2𝜋 𝑒 2 𝑑𝑧 = 1
Como se puede apreciar cumple las condiciones de cierre: a) toma todos los
valores de “z” , por lo tanto no existen valores a considerar fuera de ese intervalo y b) el
área bajo la función es igual a 1.
La expresión es: z = N(0,1) que se lee: “variable “z” con comportamiento Normal
con 0 y 1”
𝛾1 ≅ 0 ; Asimetría y 𝛾2 ≅ 0 ; Curtosis
A.- Si se considera lo que incluye el intervalo 𝝁 ± 𝟏𝝈 observamos que el área es
68,26% por lo tanto se excluye el 31,74% y se interpreta de la siguiente forma: “en un
intervalo de más – menos una dispersión alrededor de la media aritmética está incluída el
68,26% de la población, dejando fuera el 31,74% de dicha población”
INTERPRETACIÓN
Razón por la que prácticamente todas las estimaciones asumen este error
estadístico, la que por cuestiones de practicidad se toma 5%.
𝑧2
𝒙𝒊 − 𝝁
̅ ∞ 1
A partir del conocimiento que 𝒛 = y su función ∫−∞ 𝑒 − 2 𝑑𝑧 = 1 podemos
𝝈 𝜎√2𝜋
determinar las probabilidades determinando las áreas, resolviendo la integral definida,
correspondientes para los distintos valores de “z”. Estos valores están tabulados por lo
que la resolución es utilizando las tablas.
Esta distribución fue obtenida por William Gosset, quien en su momento trabajaba
en la fábrica de cerveza Ginness y ésta prohibía a sus empleados publicar trabajos por
protección industrial, por lo que usó el seudónimo “Student” , para publicar sus
conclusiones.
𝒙𝒊 − 𝒙̅
𝒕= 𝑺𝒙
⁄
√𝒏
Tiene elementos en común con la variable “z”, como el numerador, que es el
desvío de variable respecto de la media aritmética, y en denominador aparece la
desviación, salvo que en este caso son parámetros muestrales.
Media muestral:
𝒏
𝟏
̅
𝒙 = ∑ 𝒙 𝒊 𝒓𝒊
𝒏
𝒊=𝟏
Varianza Muestral
𝒏
𝟏
𝑺𝟐(𝒙) = ̅)𝟐 𝒓𝒊
∑(𝒙𝒊 − 𝒙
𝒏−𝟏
𝒊=𝟏
Desviación típica
S(x) = √𝑺𝟐(𝒙)
Observamos que la diferencia con la varianza poblacional es que está dividida por
“n – 1” por lo que es mayor al igual que la desviación típica y es lógico porque
regularmente los tamaños de las muestras son finitas.
Dado que la desviación típica varía con el tamaño de la muestra, siendo mayor
cuando n = 2, y disminuye a medida que aumenta, siendo el límite la distribución normal,
razón por la que se incorpora el concepto de “grado de libertad” simbolizado “”.
¿Qué es grado de libertad? Es lo siguiente: en un determinado tamaño de muestra
es el número de variables que pueden variar sin alterar el resultado final. Por ejemplo, en
una población de estudiantes sabemos que la 𝜇̅ = 20, si tomamos una muestra n = 5 de
esa población con valores: 𝑥1 = 19, 𝑥2 = 20, 𝑥3 = 20, 𝑥4 = 21, es evidente para que la
𝑥̅ = 20, existe para 𝒙𝟓 un único valor que satisface dicha condición. Por lo que decimos que
en esa muestra n =5, “obtenemos libremente 4 valores”, por lo que grados de libertad:
n – 1
−∞ -t +t +∞
Este esquema es a modo de ejemplo, ya que la curva con “= 1” en realidad es bien
platicúrtica por lo tanto más extendida y a medida que aumenta el límite es la normal.
Los valores de área en cada curva y para cada valor de ±𝑡 se encuentran tabulados
y por practicidad para los valores más usuales de área.
APLICACIONES