METODOS

ESTADISTICOS I

PROFESORA: CLAUDIA BORBOLLA

claudiaborboll@gmail.com
Facebook: Claudia Borbolla
Cel: 5585056913
CLAUDIA BORBOLLA
 Licenciatura en Administración de Empresas
Agropecuarias

 MC en Economía Agrícola y de los Recursos

Naturales.

 Ventas, Nomina, Manuales Administrativos,

 pronósticos, expedientes, créditos,
inventarios, Atención al cliente, proyectos,
etc. etc.
EVALUACIÓN
TAREAS
 Resuelve el problemario correspondiente,
tienes hasta el día viernes a las 12 de la
noche para enviarlo vía WhatsApp

 GRACIAS!!
 COMENZAMOS…

UNIDAD 1.Introducción al Uso de la Estadística

 DEFINICIÓN DE ESTADÍSTICA
 Rama de las Matemáticas que tiene por objeto el estudio de la
recolección de datos mediante una técnica llamada encuesta,
utilizando un instrumento como el cuestionario.

  Estudia usos y análisis provenientes de una muestra

representativa de datos, busca explicar las correlaciones y
dependencias de un fenómeno físico o natural, de ocurrencia en
forma aleatoria o condicional.

 Ciencia que utiliza conjuntos de datos numéricos para obtener, a

partir de ellos, inferencias basadas en el cálculo de
probabilidades
DEFINICIÓN DE ESTADÍSTICA
 En síntesis, la Estadística, nos va a permitir
satisfacer el objetivo de resumir y transmitir
de un modo comprensible la información
procedente de datos empíricos (estadística
descriptiva) así como, cuando sea oportuno,
generalizar a partir de la información
recogida de un conjunto reducido de sujetos
a una población más amplia a la que éstos
representen (estadística inferencial).
 LA ESTADISTICA DESCRIPTIVA

 “La Estadística Descriptiva es el estudio que

incluye la obtención, organización,
presentación y descripción de información
numérica”.
ESTADÍSTICA DESCRIPTIVA E
INFERENCIAL
ESTADÍSTICA DESCRIPTIVA
LA ESTADISTICA INFERENCIAL

 “La inferencia estadística es una técnica

mediante la cual se obtienen
generalizaciones o se toman decisiones en
base a una información parcial o completa
obtenida mediante técnicas descriptivas”.
ESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL
2. ORGANIZACIÓN GRAFICA Y RESUMEN DE LOS DATOS

 Distribución de frecuencias: de una variable

 Gráficas de barras y circulograma
 Cuartiles, deciles y centiles
TIPOS DE FRECUENCIA
 Frecuencia absoluta: es el número de veces que
aparece un determinado valor estadístico. Se
representa por fila. Se suele representar con "n_i".

 Frecuencia relativa: es igual al números de

veces que se repite un evento o sea la frecuencia
multiplicado por el 100% y dividida entre el total de
la frecuencia.

 Frecuencia acumulada: Es la suma de las

frecuencias absolutas de todos los valores inferiores o
iguales al valor considerado
GRAFICA DE BARRAS
 El gráfico de barras clásico utiliza barras horizontales
o verticales (gráfico de columnas) para mostrar
comparaciones numéricas discretas entre categorías.
Un eje del gráfico muestra las categorías específicas
que se comparan y el otro eje representa una escala
de valores discretos.
HISTOGRAMA
 Visualiza la distribución de los datos a lo
largo de un intervalo continuo o un período
de tiempo determinado. Cada barra en un
histograma representa la frecuencia tabulada
en cada intervalo/bin. El área total del
histograma es igual al número de datos.
 CIRCULOGRAMA
Representación grafica de datos que se presenta en un
círculo, cada intervalo está representado por un sector
circular, es decir, por una porción que parte del centro.
Un gráfico circular o gráfica circular, también llamado
"gráfico de pastel", "gráfico de tarta", "gráfico de torta"
o "gráfica de 360 grados", es un recurso estadístico que
se utiliza para representar porcentajes y proporciones. 
 CUARTILES, DECILES Y CENTILES

Los cuartiles son los tres valores de la variable que dividen a un 

conjunto de datos ordenados en cuatro partes iguales. Q1, Q2 y Q3 
determinan los valores correspondientes al 25%, al 50% y al 75% 
de los datos.
Q2 coincide con la mediana.
EJEMPLO DE CUARTILES
DECILES Y CENTILES

Los deciles son los nueve valores que dividen la

serie de datos en diez partes iguales.

Los deciles dan los valores correspondientes al

10%, al 20%... y al 90% de los datos.

Los percentiles son los 99 valores que dividen la serie

de datos en 100 partes iguales.

Los percentiles dan los valores correspondientes

al 1%, al 2%... y al 99% de los datos
EJEMPLO DE DECILES Y
PERCENTILES
EJEMPLO DE DECILES Y
PERCENTILES
3. ANÁLISIS DESCRIPTIVO
  

 Media, mediana y moda

 Media ponderada
 Rango y rango intercuartil
 Desviación media, varianza, desviación
estándar y coeficiente de variación
 Medidas de
tendencia central
 Media o promedio
 Media ponderada
 Mediana
 Moda
  Media o promedio
La media, también llamada media aritmética o promedio es la suma
de todos los valores observados, dividido por el número total de
observaciones.

Media para datos no agrupados.

Para un conjunto de n de datos no agrupados la fórmula es la siguiente:

 
o bien

Las unidades de la media aritmética, corresponden a las mismas unidades

de las características de los elementos.
EJEMPLO: Juan pescó 4 peces con longitudes de 20, 23, 36 y 19 cm,
¿Cuál es la longitud media de los peces?
El conjunto de datos está formado por cuatro elementos, por lo que
la media resulta:
 

La interpretación es que Juan, pescó 4 peces equivalentes a 24.5

cm de longitud en promedio.
Media para datos agrupados

Cuando se tiene un conjunto de n datos, que se encuentran agrupados

en una distribución de frecuencias, una aproximación de la media es:

Donde:
Es el valor de la media.
k Es el número de intervalos.
fi Es la frecuencia del i-éximo intervalo.
Mi Es la marca de clase del i-éximo intervalo.
n Es el número de datos.

El valor de la media, se obtiene en forma aproximada debido a que se

considera que el valor de todos los datos en un intervalo es igual a la
marca de clase, la marca de clase es el punto medio de los límites de
cada intervalo y esto casi nunca se cumple.
EJEMPLO: Determinar el valor de la media para el siguiente conjunto de
datos.

INTERVALO FRECUENCIA
0-10 5
10-20 12
20-30 21
30-40 27
40-50 31
50-60 35
60-70 21
70-80 14
80-90 9
90-100 5

La media se obtiene mediante la fórmula:

Se calcula primero las marcas de clase de cada intervalo, agregando a
la tabla una columna para incluir la marcas de clase, se denota por
Mi esto es:

INTERVALO FRECUENCIA Mi

0-10 5 5
10-20 12 15
20-30 21 25
30-40 27 35
40-50 31 45
50-60 35 55
60-70 21 65
70-80 14 75
80-90 9 85
90-100 5 95
SUMA 180  
Ahora se obtiene el producto de la frecuencia por la marca de clase para cada
intervalo, en una columna que se representa por fi Mi además se obtiene la suma de
ésta columna y de las frecuencias, esto es:
INTERVALO FRECUENCIA Mi fi Mi

0-10 5 5 25
10-20 12 15 180
20-30 21 25 525
30-40 27 35 945
40-50 31 45 1395
50-60 35 55 1925
60-70 21 65 1365
70-80 14 75 1050
80-90 9 85 765
90-100 5 95 475
SUMAS 180   8650

Sustituyendo estos valores en la fórmula de la media se tiene:

 

 
  Media ponderada
La media ponderada es un caso particular y especial de la media de
un conjunto de datos. Se aplica cuando el conjunto de datos se
divide en varios subconjuntos, de los cuales cada uno tiene una
media diferente. También se utiliza cuando se asignan varios pesos o
ponderaciones a ciertos elementos. Su valor se obtiene con la
siguiente expresión:
 

Donde:
Es el número de datos del subconjunto i.
Es la media del subconjunto i.
Es el peso o factor de ponderación del subconjunto i.
Es el valor asociado a la ponderación del subconjunto del i-ésimo valor.
Es el número total de datos
EJEMPLO: En un poblado viven 5 000 habitantes, de los cuales 2 723
son mujeres con un promedio de edad de 18 años y el resto son
hombres con un promedio de edad de 28 años. ¿Cuál es el promedio
de edad de los habitantes de esa región?

El conjunto de datos se ha dividido en dos subconjuntos, en los

cuales, la media se obtiene:

El promedio de edades de esa región es 22.5 años.

EJEMPLO: En la asignatura de Literatura, el curso del año pasado se evaluó de la
siguiente manera:
Primer examen Parcial 30%
Segundo Examen Parcial 30%
Trabajo de Literatura Inglesa 15%
Cuaderno de Ejercicios 20%
Asistencia 5%
 
Si al final del curso un alumno obtuvo el siguiente puntaje:
Primer Examen Parcial 6.2
Segundo Examen Parcial 8.1
Trabajo de Literatura Inglesa 9.0
Cuaderno de Ejercicios 9.0
Asistencia Todas (equivale a 10)
¿Cuál es su promedio final?
Se tienen 5 elementos, la media se obtiene:

El promedio final obtenido en este curso fue de 7.9 puntos y no exentó.

Observe que si todas las evaluaciones se hubieran considerado con el mismo
peso, su promedio hubiera sido de 8.4 con el cual hubiera exentado.
  Moda
La Moda o Modo, es el valor que aparece con mayor frecuencia en un conjunto de
datos. Se representa por
Existen casos en los cuales se tiene más de una moda, a los cuales se les llama
multimodales y los que no tienen moda se les llama amodales.

MODA PARA DATOS NO AGRUPADOS

Cuando los datos no están agrupados, solo se busca el dato que aparece más
veces y ese corresponde a la moda.
EJEMPLO: Obtenga la moda en los siguientes conjuntos de datos.
4 3 7 2 5 6 3 2 5 7 3 6 4 3
El número que más se repite es el 3, por lo cual la moda es 3
 
10 15 13 14 10 8 13 10 21 13 7 6 1 0
En este caso el 10 y el 13 se repiten tres veces, entonces el conjunto de datos es
bimodal, sus modas son 10 y 13.
 
c) 0.5 0.2 0.7 0.9 0.1 0.6 0.8 0.3 0.4
No se repite ningún valor, el conjunto es amodal.
MODA PARA DATOS AGRUPADOS

Si el conjunto de datos se presenta en forma agrupada, mediante una

distribución o tabla de frecuencias, una forma aproximada para calcular
el valor de la moda es utilizando la fórmula:
 

Es la moda.
Es el límite real inferior del intervalo que contiene la moda.
Es la diferencia entre la frecuencia del intervalo que contiene a la
moda y la frecuencia del intervalo anterior
Es la diferencia entre la frecuencia del intervalo que contiene a la
moda y la frecuencia del intervalo siguiente.
Es el tamaño del intervalo que contiene a la moda.

Aquí se considera que el valor de la moda se encuentra en el intervalo

de mayor frecuencia, puesto que al ser el intervalo que contiene más
datos, existe una mayor probabilidad de que aquí se repitan más
valores.
EJEMPLO: Obtener el valor de la moda para el siguiente conjunto de datos.

La moda se encuentra en el intervalo 7, puesto que en este intervalo

se encuentra la mayor frecuencia que es 96.

Como se observa, los intervalos están definidos por sus límites reales
de clase, puesto que no existe variación entre intervalos. La moda se
obtiene con la siguiente expresión:
 
 

 
Obteniendo los valores que aparecen en la expresión:

L = 6000 Corresponde al límite real inferior del intervalo 7, que

es el que contiene la moda.
∆1= 41 Es la diferencia entre la frecuencia del intervalo que
contiene a la moda y la frecuencia del intervalo
anterior, esto es: ∆1 = 96 – 55= 41

∆2 = 16 Es la diferencia entre la frecuencia del intervalo que

contiene a la moda y la frecuencia del intervalo
siguiente, esto es: ∆2= 96 – 80 = 16.
 
c= 1000 Es el tamaño del intervalo que contiene a la moda, esto es:
c = 7000-6000 = 1000
 
Sustituyendo estos valores en la fórmula:

Que corresponde al valor de la moda.

  Mediana
Para un conjunto de datos ordenados en forma
ascendente o descendente, la mediana es el valor central
de los datos, y se representa por

LA MEDIANA PARA DATOS NO AGRUPADOS

• Si el número de datos es impar, la mediana es igual al

valor que se encuentra en el centro de la distribución,
una vez que estos se han ordenado en forma
ascendente o descendente.
• Si el número de datos es par, la mediana es igual al
promedio de los dos datos que se encuentran en el
centro de la distribución, una vez que estos se han
ordenado en forma ascendente o descendente
 
EJEMPLO: En los siguientes casos se muestra como se obtiene el
valor de la mediana para un conjunto de datos no agrupados.
4 13 12 17 7 4 8 7 17 19 13 14 25 8 23

• Se tienen 15 datos (el número de datos es impar) al ordenarlos

en forma ascendente:
4 4 7 7 8 8 12 13 13 14 17 17 19 23 25

El valor que se encuentra al cetro de la distribución es el 13, que

corresponde al valor de la mediana, esto es: 13.

150 28 330 42 12 50 63 30 3 60 150

128 201 103 37 85 35 26 43 75 50 78

• Se tienen 22 datos (número par de datos) al ordenarlos en

forma ascendente:
3 12 26 28 30 35 37 42 43 50 50
60 63 75 78 85 103 128 150 150 201 330

Los valores que se encuentran al centro de la distribución son el 50

y el 60, por lo cual la mediana es igual a 55.
MEDIANA PARA DATOS AGRUPADOS

Donde:

Es la mediana.
L Es el límite real inferior del intervalo que contiene a la mediana.
n Es el número de datos.
Fa Es la frecuencia acumulada del intervalo anterior al que contiene
a la mediana.
Es la frecuencia del intervalo que contiene a la mediana.
c Es el tamaño del intervalo que contiene a la mediana.

Lo primero que se debe obtener, es el intervalo en el cual se encuentra

el valor de la mediana, el cual corresponde al dato que se encuentra en
medio de la distribución, es decir, el dato n/2 y después los valores de
las variables que aparecen en la fórmula.
 
 EJEMPLO: Obtener el valor de la
mediana para el siguiente conjunto de
datos.
 Primero se obtiene la frecuencia acumulada, para poder establecer
el intervalo que contiene a la mediana.

Se tienen 171 datos, es decir, n= 171

La mediana corresponde al valor del dato número 171/ 2= 85.5 por redondeo el
dato que ocupa el lugar número 86 corresponde a la mediana. Enseguida se
obtiene su valor.
Para identificar el intervalo en el cual se localiza la mediana, se hace el siguiente
análisis:
Hasta el intervalo 5 se tienen 64 datos, hasta el intervalo 6 se tienen 97 datos,
por lo cual el dato número 86 se encuentra en el intervalo 6 esto es, la mediana
corresponde a uno de los 33 datos que se encuentran en ese intervalo.
La mediana se obtiene con la expresión:

Obteniendo los valores que aparecen en la formula.

L = 150 Es el limite real inferior del intervalo que contiene a la mediana,
en este caso no existe variación entre los
intervalos.
 
n/2= 85.5 171/2 = 85.5
Fa= 64 Es la frecuencia acumulada del intervalo anterior al que contiene
a la mediana, es decir, la frecuencia
acumulada hasta el intervalo 5.
 
fx= 33 Es la frecuencia del intervalo que contiene a la mediana.
c= 10 Es el tamaño del intervalo que contiene a la mediana, esto es:
c = 160-150 = 10
 
Sustituyendo los valores de la formula, se tiene:

Que es el valor aproximado de la mediana y efectivamente este valor se

encuentra en el sexto intervalo.
RANGO
 Es el intervalo entre el valor máximo y el valor mínimo; por
ello, comparte unidades con los datos. Permite obtener una
idea de la dispersión de los datos, cuanto mayor es el rango,
más dispersos están los datos de un conjunto.
 Por ejemplo, para una serie de datos de carácter
cuantitativo, como lo es la estatura medida en
centímetros, tendríamos
RANGO INTERCUARTIL
 El rango intercuartílico RIQ es una estimación estadística
de la dispersión de una distribución de datos. Consiste en
la diferencia entre el tercer y el primer cuartil. Mediante
esta medida se eliminan los valores extremadamente
alejados. El rango intercuartílico es altamente
recomendable cuando la medida de tendencia central
utilizada es la mediana (ya que este estadístico es
insensible a posibles irregularidades en los extremos)

RIQ= Q3 – Q1
RANGO INTERCUARTIL
 DESVIACIÓN MEDIA
  Equivale a la división de la sumatoria del
valor absoluto de las distancias existentes
entre cada dato y su media aritmética y el
número total de datos.
DESVIACIÓN MEDIA

Mide como se separa los datos del valor medio, de la media de la

distribución
VARIANZA
En teoría de probabilidad es una medida de
dispersión definida como la esperanza del cuadrado de la
desviación de dicha variable respecto a su media.

Está medida en la unidad de medida de la variable al

cuadrado. Por ejemplo, si la variable mide una distancia en
metros, la varianza se expresa en metros al cuadrado.
La desviación estándar es la raíz cuadrada de la varianza, es
una medida de dispersión alternativa expresada en las
mismas unidades de los datos de la variable objeto de
estudio. La varianza tiene como valor mínimo 0
VARIANZA Y DESVIACION
ESTANDAR
 OBTENER MEDIA

 OBTENER VARIANZA

 OBTENER DESVIACION ESTANDAR

EJEMPLO
4. ELEMENTOS DE LA PROBABILIDAD

 Definición
 Calculo
 Esperanzamatemática
 Ordenaciones, permutaciones y combinaciones
ELEMENTOS DE PROBABILIDAD.
 Los primeros estudios fueron por la probabilidad de
acierto o fracaso en los juegos de azar.
 La probabilidad de un evento se denota con la letra
p y se expresa en términos de una fracción.
 La probabilidad es un mecanismo por medio del
cual pueden estudiarse sucesos aleatorios, es decir,
operaciones cuyo resultado no puede ser predicho
de antemano con seguridad.
 Experimento aleatorio o experimento: operación
cuyo resultado no puede se predicho con seguridad
Ejemplo: lanzamiento de una moneda, lanzamiento de
un dado, extracción de una carta de una baraja de 52
cartas.
ESPACIO MUESTRAL.
 Es el conjunto de todos los posibles resultados
asociados a un experimento. Su símbolo es la letra
Ω (omega).
Ejemplo: lanzamiento de un dado
Ω=(1,2,3,4,5,6)
Lanzar una moneda=2 posibilidades
Ω=(a),(s)
Lanzar dos monedas= 4 posibilidades
Ω=((a, a)(a,s)(s,a)(s,s))
Tres moneda= 8 posibilidades
Ω=((a,a,a)(a,a,s)(a,s,a)(a,s,s)(s,a,a)(s,a,s)(s,s,a)
(s,s,s))
EVENTO O SUCESO
 Es cualquier subconjunto de un espacio
muestral, asociado a un experimento
aleatorio.
Ejemplo:
En el lanzamiento de 2 monedas, el espacio
muestral es Ω=((a,a)(a,s)(s,a)(s,s)) y 4
posibilidades. Un suceso es que salgan dos
caras, es decir((a,a)), que tiene un elemento.
CALCULO DE PROBABILIDADES.
 No siempre es fácil conocer los valores de la
función de probabilidad de todos los sucesos. Sin
embargo, muchas veces se pueden conocer las
probabilidades de algunos sucesos. Con la ayuda
de ciertas propiedades que se deducen de
manera inmediata a partir de la axiomática es
posible calcular las probabilidades de mas
sucesos. Por otro lado, en caso de que el numero
de resultados sea finito y de que todos los
resultados tengan las mismas posibilidades de
verificarse, la probabilidad de un suceso
cualquiera se puede calcular a partir de la regla
de Laplace.
 h
Ejemplos:
a) Probabilidad de que al lanzar un dado salga el número 2: el caso favorable (f) es
tan sólo uno (que salga el dos), mientras que los casos posibles (n) son seis (puede
salir cualquier número del uno al seis).
Por lo tanto:

 
(o lo que es lo mismo, 16,6%)

b) Probabilidad de que al lanzar un dado salga un número par: en este caso los
casos favorables (f) son tres (que salga el dos, el cuatro o el seis), mientras que los
casos posibles (n) siguen siendo seis.
Por lo tanto:

 (o lo que es lo mismo, 50%)

ESPERANZA MATEMÁTICA.
Esperanza matemática
La esperanza matemática o valor esperado de una variable aleatoria discreta es
la suma del producto de la probabilidad de cada suceso por el valor de dicho
suceso.
                                                                                                       
Los nombre de esperanza matemática y valor esperado tienen su origen en los
juegos de azar y hacen referencia a la ganancia promedio esperada por un jugador
cuando hace un gran número de apuestas.
Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir, no
existe ventaja ni para el jugador ni para la banca.

Ejemplos
1.- Si una persona compra una papeleta en una rifa, en la que puede ganar de
5.000 € o un segundo premio de 2000 € con probabilidades de: 0.001 y 0.003.
¿Cuál sería el precio justo a pagar por la papeleta?
E(x) = 5000 · 0.001 + 2000 · 0.003 = 11 €
¿QUE SON LOS MÉTODOS DE
CONTEO?
Son estrategias utilizadas para determinar el numero de
posibilidades diferentes que existen al realizar un
experimento.
Ejemplo:
El lanzamiento de un dado veremos
cuantas posibilidades hay de que salga un numero a favor,
si tienen 6 caras los dados, cual seria la posibilidad de que
saliera un cierto numero.
Entonces para contar el numero de casos favorables
posibles y ver cuantas combinaciones diferentes se pueden
tener hay 3 métodos a emplear y son: 
 Permutacion
 Combinacion
 Ordenamiento
PERMUTACION
Consiste en multiplicar en todo momento cada dato que te pueda dar
y sirve para hallar formulas generales que permitan calcular el
numero de permutaciones con y sin repetición.
Hay 2 tipos de permutaciones:
 1) Se repite
 2) No se repite

Ejemplo sin repetición:
¿De cuantas formas diferentes se pueden ordenar las letras de la
palabra impureza?
Solución:
Se tienen 8 letras diferentes y las vamos a ordenar en diferentes
formas, tendremos 8 posibilidades de escoger la primera letra para
nuestro arreglo, una vez usada una, nos quedan 7 posibilidades de
escoger una segunda letra, y una vez que hayamos usado todos, nos
quedan 6, así sucesivamente hasta agotarlas, en total tenemos:
 8*7*6*5*4*3*2*1= 40320
COMBINACIÓN 
Es un arreglo de elementos en donde no nos interesa el lugar
o posición que ocupan los mismos dentro del arreglo, aquí nos interesa
formar grupos y el contenido de los mismos, recordemos que lo
importante es el numero de agrupaciones diferentes de objetos que
pueden incurrir sin importar su orden, por lo tanto en las combinaciones
se busca el numero de subgrupos diferentes que pueden tomarse a partir
de objetos si el orden de los objetos no es importante, a cada resultado
se denomina combinación.
Ejemplo:
 Si se requiere formar un equipo de trabajo formado por dos personas
seleccionadas de un grupo de 3 (A,B Y C), si en el equipo hay 2
funciones diferentes entonces si importa el orden, los
resultados serán permutaciones, por el contrario si en el equipo no hay
funciones definidas, entonces no importa el orden y los
resultados serán combinaciones los resultados en ambos casos son los
siguientes:
 Permutaciones: AB, AC, BA, CA, BC, CB
 Combinaciones: AB, CA, BC
 Combinaciones, es el numero de formas de seleccionar "z" objetos de
un grupo de "n" objetos sin importar el orden.
ORDENAMIENTO
Un diagrama de árbol o método de ordenamiento es
una herramienta que se utiliza para determinar todos
los posibles resultados de un experimento aleatorio.
En el calculo de la probabilidad se requiere conocer
el numero de elementos que forman parte del
espacio muestral, estos se pueden determinar con
la construcción del diagrama de árbol.
El diagrama de árbol es una representación gráfica de
los posibles resultados del experimento, el cual
consta de una seria de pasos donde cada uno de
dichos pasos tiene un numero finito de maneras de
ser llevados a cabo. Se utiliza en los problemas de
conteo y probabilidad.
5 DISTRIBUCIÓN DE PROBABILIDADES

 Distribuciones
 DEFINICION
Es aquella que permite
calcular todos los
resultados posibles de
ocurrir en un
experimento
determinado, así como
la probabilidad de
ocurrencias de estos
resultados.
 EJEMPLO
 Los resultados “cara” o “cruz "en el lanzamiento de una
moneda.
 OBJETIVOS
 Introducir las distribuciones de probabilidad que mas se
utilizan en la toma de decisiones.
 Utilizar el concepto de valor para tomar decisiones.
 Mostrar que distribución de probabilidad utilizar, y como
encontrar sus valores.
 Entender las limitaciones de cada una de las distribuciones
de probabilidad que utilice.
 TIPOS

 Distribución binominal

 Distribución multinominal
 DISTRIBUCIÓN BINOMIAL
Es una distribución de probabilidad
discreta que cuenta el número de éxitos
en una secuencia de n ensayos de
Bernoulli independientes entre sí, con
una probabilidad fija p de ocurrencia del
éxito entre los ensayos. En la
distribución binomial el experimento se
repite n veces, de forma independiente,
y se trata de calcular la probabilidad de
un determinado número de éxitos. Para
n = 1, la binomial se convierte, de hecho,
en una distribución d Bernoulli.
Una distribución binominal tiene las siguientes característica.
 En cada prueba del experimento solo son posibles 2 resultados:
éxito y fracaso.
 La probabilidad de éxito es constante, es decir, que no varia de
una prueba a otra.
 La probabilidad de fracaso también es constante.
 El resultado obtenido en cada prueba es independiente de los
resultados obtenidos anteriormente.
 La variable aleatoria binominal, X, expresa el numero de éxitos
obtenidos en las pruebas. Por lo tanto los valores que puede
tomar X son: 0,1,2,3,4,…………
 Distribución multinominal
El experimento binomial se convierte en un
experimento multinomial si cada prueba tiene
más de dos resultados posibles. Unos
ejemplos de este tipo pueden ser: el clasificar
un producto en ligero, pesado o aceptable, el
registro de los accidentes de un buque de
acuerdo con los días de la semana. Extraer
una carta de una baraja “con reemplazo”
también puede considerarse un experimento
multinomial si los resultados de interés son
los cuatro bastos.
 Características
 Al llevar acabo un experimento con esta distribución se esperan mas
de dos tipos de resultados.
 La probabilidad asociada a cada uno de los resultados son constantes.
 Cada uno de los ensayos o repeticiones del experimento son
independientes.
 El numero de repeticiones del experimento es constante.