Documentos de Académico
Documentos de Profesional
Documentos de Cultura
continuas
Autor: Luis Fernando Torres Quitora
Fecha de actualización: 17/12/2020
TABLA DE CONTENIDO
1.1. Introducción............................................................................................................................ 3
1.2. Marco conceptual ................................................................................................................... 3
1.2.1. Probabilidad ................................................................................................................... 3
1.2.1.1. Concepto de variable aleatoria. ..................................................................................... 4
1.2.1.2. Distribución de probabilidad. ........................................................................................ 4
1.2.1.3. Teorema del límite central .............................................................................................. 6
1.2.2. Distribuciones continuas ................................................................................................. 8
1.2.2.1. Distribución normal........................................................................................................ 8
1.2.2.2. Distribución uniforme. ................................................................................................ 14
1.2.2.3. Distribución binomial. ................................................................................................. 16
1.2.2.4. Distribución exponencial.............................................................................................. 19
1.2.2.5. Distribución T-Student. ................................................................................................ 23
1.2.2.6. Distribución de probabilidad Gamma .......................................................................... 24
1.2.2.7. Aplicaciones Gamma y Exponencial ........................................................................... 28
1.4. Ejercicios de reflexión .......................................................................................................... 32
....................................................................................................................................................... 32
1.5. Conclusiones ......................................................................................................................... 33
1.6. Material de estudio ..................................................................... ¡Error! Marcador no definido.
INTRODUCCIÓN DE LA ASIGNATURA
Este curso va a dirigido a profesionales de los pregrados de la UMB Virtual que
requieren el empleo de herramientas estadísticas básicas, que le permitan abordar las
diversas situaciones que se presenten en su entorno laboral, de una manera más formal.
La estadística inferencial tiene múltiples aplicaciones en las áreas de la Psicologia,
administración, e ingeniería, entre otras, donde se hace indispensable la aplicación de
procedimientos estadísticos que le posibiliten la formulación de predicciones a partir de
la recolección, organización y análisis de datos. Con los anteriores recursos se “optimiza”
la toma de decisiones en los procesos de planeación y ejecución de proyectos a nivel
empresarial.
La estadística inferencial abarca un grupo de conceptos, procedimientos y
metodologías que permiten predecir información sobre el comportamiento de
diferentes variables en una población de estudio. Los resultados obtenidos al aplicar
estas técnicas de recolección y análisis de datos cuentan con sus respectivos grados
de confianza. En la toma de decisiones, el profesional requiere de herramientas
estadísticas y probabilísticas que le permitan dar un adecuado tratamiento a los
datos relacionados con problemáticas específicas de su campo de trabajo, así, esta
asignatura brinda al estudioso los conceptos fundamentales para el análisis de la
información y la implementación de planes de acción teniendo en cuenta las
necesidades propias de su campo de acción.
De igual modo contiene tres módulos; el primer módulo se refiere a las
distribuciones continuas con poblaciones grandes, el segundo permite determinar
los intervalos de confianza entre una muestra poblacional y el tercero hace
referencias las hipótesis que se puedan tomar en una población.
Con las ideas anteriores se extienden a variables 𝑋 que pueden tomar un conjunto continuo
de valores, el polígono de frecuencias relativas de una muestra se convierte, en el caso teórico
o límite de una población, en una curva continua (como se nuestra en la figura 1) de ecuación
𝑦 = 𝑃(𝑋). el área total bajo la curva y sobre el eje X es 1, y el área entre 𝑋 = 𝑎 𝑦 𝑋 = 𝑏 ,
da la probabilidad de que 𝑋 esté entre a y b, que se denota por 𝑃(𝑎 < 𝑋 < 𝑏)
Entonces si X es una variable aleatoria continua las principales distribuciones son: uniforme,
Normal, T-student, Chi-cuadrado.
Figura 1: Una distribución de probabilidad
𝑋− 𝜇 90.5− 75 15.5
𝑍= 𝜎
= 𝑍= 𝜎
= 𝑍= 10
= 1.55
Se utiliza la tabla Z, ubicando 1.55, por lo tanto, equivale a 0.4394, en la figura 5, se muestra el área
sombreada.
Figura 5: Representación de una distribución normal
Se emplea la tabla Z, para ubicar el valor 1.55, cumple el mismo valor 0.4394, ver figura 5.
Ejemplo: Las ventas diarias de una empresa de gaseosas tienen una media igual a 5.5 de
pesos con una desviación estándar de 2 millones de pesos. ¿Cuál es la probabilidad de que
en un día se vendan menos de 5 millones?
Realizamos la variable Z:
𝑋− 𝜇 5.5− 5 0.5
𝑍= =𝑍= =𝑍= = 0.25
𝜎 2 2
𝑛𝑃 = 1
Despejando 𝑃 se tiene que:
1
𝑃=
𝑛
1
𝑃= = 0,167
6
En otras palabras, si X es la variable aleatoria que describe el lanzamiento de un dado bajo
las condiciones dadas, se tiene X: 1,2,3,4,5,6. Y cómo 𝑆 es un espacio equiprobable se resume
que:
𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑎𝑙 𝑙𝑎𝑛𝑧𝑎𝑟 𝑢𝑛 𝑑𝑎𝑑𝑜 𝑠𝑒 𝑜𝑏𝑡𝑒𝑛𝑔𝑎 1 ∶ 𝑃(𝑋 = 1) = 0,167
𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑎𝑙 𝑙𝑎𝑛𝑧𝑎𝑟 𝑢𝑛 𝑑𝑎𝑑𝑜 𝑠𝑒 𝑜𝑏𝑡𝑒𝑛𝑔𝑎 2 ∶ 𝑃(𝑋 = 2) = 0,167
𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑎𝑙 𝑙𝑎𝑛𝑧𝑎𝑟 𝑢𝑛 𝑑𝑎𝑑𝑜 𝑠𝑒 𝑜𝑏𝑡𝑒𝑛𝑔𝑎 3: 𝑃(𝑋 = 3) = 0,167
𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑎𝑙 𝑙𝑎𝑛𝑧𝑎𝑟 𝑢𝑛 𝑑𝑎𝑑𝑜 𝑠𝑒 𝑜𝑏𝑡𝑒𝑛𝑔𝑎 4: 𝑃(𝑋 = 4) = 0,167
𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑎𝑙 𝑙𝑎𝑛𝑧𝑎𝑟 𝑢𝑛 𝑑𝑎𝑑𝑜 𝑠𝑒 𝑜𝑏𝑡𝑒𝑛𝑔𝑎 5: 𝑃(𝑋 = 5) = 0,167
𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑎𝑙 𝑙𝑎𝑛𝑧𝑎𝑟 𝑢𝑛 𝑑𝑎𝑑𝑜 𝑠𝑒 𝑜𝑏𝑡𝑒𝑛𝑔𝑎 6: 𝑃(𝑋 = 6) = 0,167
0,160
0,140
0,120
0,100
0,080
0,060
0,040
0,020
0,000
1 2 3 4 5 6
N N 1 1 N
σ2 = ∑ (xi − μ)2 P(xi ) = ∑ (xi − μ)2 = ∑ (xi − μ)2
i=1 i=1 n 𝑛 i=1
1
Luego: σ2 = 𝑛 ∑N
i=1(xi − μ)
2
1 N 1 21
μ= ∑ 𝑥𝑖 = (1 + 2 + 3 + 4 + 5 + 6) = = 3,5
𝑛 i=1 6 6
Se espera que en promedio el número que se obtenga en el lanzamiento del dado sea 3,5.
1 N
σ2 = ∑ (xi − μ)2
𝑛 i=1
1
= [(1 − 3,5)2 + (2 − 3,5)2 + (3 − 3,5)2 + (4 − 3,5)2 + (5 − 3,5)2
6
1
+ (6 − 3,5)2 ] = [(−2,5)2 + (−1,5)2 + (−0,5)2 + (0,5)2 + (1,5)2 + (2,5)2 ]
6
1 1
= [6,25 + 2,25 + 0,25 + 0,25 + 2,25 + 6,25] = 17,5 = 2,916
6 6
La desviación estándar:
𝜎 = √σ2 = √2,916 = 1,707
Coeficiente de variación:
𝜎 1,707 ∗ 100%
𝐶. 𝑉 = ∗ 100% = = 48,8%
𝜇 3,5
La dispersión de los datos es del 48,8% con respecto a la media lo que indica una dispersión
media.
Ejemplo: La cadena de almacenes éxito tiene una tasa de reconocimiento de marca del 95%
en todo el Latinoamérica. Suponga que se elige 5 personas al azar, para calcular lo siguiente,
la probabilidad de exactamente 3 de las 5 personas reconozcan la marca de los almacenes
éxito.
Se parte con la determinación de los valores establecidos en el ejercicio, entonces la muestra
o número de ensayos es 5. El número de éxitos de la muestra es 3, la probabilidad de éxito
es el 95% que equivale a 0.95, de esta manera el fracaso es la diferencia de la unidad y la
probabilidad de éxito. 𝑞 = 1 − 𝑝 = 1 − 0,95 = 0,05, por lo tanto la probabilidad de fracaso
es del 5%
Se aplica la función de densidad de probabilidad, definida de la siguiente manera.
𝑛
𝑝(𝑥) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥
5!
𝑝(𝑥 = 3) = (0,95)3 (0,05)2 = 0,021
2! 3!
Significa que el 2.1% de las personas reconocen la marca de los almacenes éxito.
Si se emplea la herramienta Excel para calcular la distribución binomial se obtiene
Tabla 4. Proceso de la distribución binomial
Ejemplo: El 35% de los jóvenes en Bogotá han padecido algún tipo de trastorno sicológico,
´según una encuesta realizada por la secretaría de salud de Bogotá. Determinar la
probabilidad de que tomando 2500 jóvenes: Más de 950 padezcan de algún tipo de trastorno.
Solución:
Para calcular la distribución binomial, se puede utilizar la herramienta Excel, que consiste en
determinar los valores más rápido.
Para resolver el problema se parte determinando el promedio de los jóvenes que han padecido
algún trastorno. Entonces se tiene:
Datos Valores
Población 2500
promedio 875
1 1
𝑃(𝑇 > 10)= 𝑒 −λt , entonces 2.71828−0.2(10)= 2.71828−2 = 2.718282 = 7.389046 = 0.13
Entonces 𝑃(𝑇 > 10)=0.13
Está indicando que el 13% de probabilidad que el tiempo de atención al público sea más de
10 minutos.
¿Cuál es la probabilidad de que el tiempo de atención al público sea de menos de 8 minutos?
Según la pregunta la probabilidad cuando es menos de 8 minutos, entonces se cumple la
función. 𝑃(𝑇 ≤ 𝑡) = (1 − 𝑒 −λt )
1 1
𝑃(𝑇 < 8)= (1 − 𝑒 −λt )= 2.71828−0.2(8) = 2.71828−1.6 = 2.718281.6 = 4.953027 = 0.20, por lo
tanto se resta la unidad 1 − 0.20 = 0.80
De esta manera significa que el 80% de probabilidad que el tiempo de atención sea menor de
8 minutos.
En la pregunta tres, en donde se debe determinar cuál es la probabilidad del tiempo de
atención sea entre 4 a 7 minutos.
Por lo tanto, significa que hay un 20% de probabilidad que la atención al público sea entre 4
a 7 minutos.
Si se emplea la herramienta Excel, para representar una distribución exponencial, entonces.
Se ingresa a una hoja de Excel los datos que se desea calcular, ver tabla 6.
Tabla 6. Proceso para el cálculo de la distribución exponencial
4. La pregunta indica que cual es la probabilidad que el tiempo de atención sea mayor a 10
minutos, entonces ingresamos a icono de fórmulas y buscamos la DTRIS.EXP N. ver tabla 9
Tabla 9. Proceso para la distribución exponencial
Ejemplo: El tiempo en horas que semanalmente requiere una máquina para mantenimiento,
es una variable aleatoria de distribución gamma con parámetros de 𝛼 = 3 y 𝜆 = 2, ¿cuál es
la probabilidad que en alguna semana que tiempo de mantenimiento de la maquina sea mayor
a 8 horas?.
Solución.
Su función de densidad de probabilidad es
−𝑥 −𝑥 −𝑥 −𝑥
1 1 1 1
𝑓(𝑥) = 𝑥 𝛼−1 𝑒 𝜆 = 23Γ(3) 𝑥 3−1 𝑒 2 = 16(3−1)! 𝑥 2 𝑒 2 = 16 𝑥 2 𝑒 2 =
𝜆𝛼 Γ(𝛼)
Se emplea la distribución binomial, que indica de la probabilidad sea mayor a 8 horas
−𝑥
1
𝑃(𝑇 > 8) = 𝑒 −λt , o 𝑃(𝑇 < 8)= (1 − 𝑒 −λt )= 𝑥 2 𝑒 2 , en la figura 9 se muestra la
16(2!)
distribución.
Figura 9: Distribución gamma
3.Se seleccionan los datos para el cálculo de la Distribución Gamma, teniendo en cuenta que
se le resta la unidad, ver tabla 13
Tabla 13. Distribución gamma
Ejercicio de reflexión.
• Un contador de una empresa de cosméticos desea saber cuántas facturas debe tomar
como muestra para revisar el promedio de ventas de la empresa. Se sabe que en el mes
de octubre de 350 facturas, se encontró un promedio de ventas de 20.000 pesos y una
desviación estándar de 2100 pesos. Suponiendo que el margen de error es 500. Bajo
estas condiciones. ¿Qué número de la muestra que se debe seleccionar?