5 Distribuciones Muestrales

Tamaño: px
Comenzar la demostración a partir de la página:

Download "5 Distribuciones Muestrales"

Transcripción

1 5 Dstrbucoes Muestrales. Itroduccó Al defr la estadístca se explcó que la probabldad se trabaja desde la poblacó haca la muestra, metras que la fereca estadístca se trabaja e setdo cotraro, es decr, de la muestra haca la poblacó. Por lo tato, para comezar co la fereca, ecestamos hacer u breve recueto del cocepto de poblacó y defr co clardad el cocepto de muestra aleatora. Ua poblacó represeta el estado de la aturaleza o la forma de las cosas co respecto a u feómeo aleatoro, el cual puede detfcarse a través de ua característca medble. Por ejemplo, el vel de colesterol e la sagre de ua persoa. Como la fereca estadístca se formula co base e ua muestra de elemetos de la poblacó de terés, el proceso por el cual se obtee la muestra será aquel que asegure ua buea muestra. Ua buea maera de escoger ua muestra resulta cuado el proceso de muestreo proporcoa a cada elemeto de la poblacó ua oportudad gual e depedete de ser cludo e la muestra. la poblacó costa de N elemetos y de éstos se toma ua muestra de tamaño, el proceso de muestreo debe asegurar que cada posble muestra de tamaño tega la msma posbldad de ser seleccoada. Este procedmeto coduce a lo que se deoma como muestreo aleatoro smple. La aturaleza de la formacó estadístca requere ua total mparcaldad e la seleccó de la muestra. Al extraer ua muestra aleatora debemos aalzar las característcas de la poblacó. Muchas veces ésta o costa de objetos tagbles a partr de los cuales se seleccoa u certo úmero para formar la muestra. La poblacó puede estar formada por u úmero fto de posbles resultados para algua característca de terés. ea esta característca, la cual puede estar defda por ua fucó de desdad f(x,, correspodete a la poblacó. Las sguetes so las formas de realzar el muestreo para esta poblacó: a e dseña u expermeto y se lleva a cabo para extraer la prmera observacó de la característca medble. El expermeto se repte bajo las msmas codcoes para extraer la seguda observacó. El proceso se cotúa de gual maera hasta obteer observacoes de la característca de terés {,,., }. Las observacoes se obtee a través de esayos depedetes que ocurre cada vez que el expermeto se repte bajo las msmas codcoes. Cada ua de las observacoes,,., es ua varable aleatora cuya dstrbucó de probabldad es détca a la de la poblacó. tuacó dferete ocurre cuado la seleccó se lleva a cabo de objetos tagbles de ua poblacó que costa de u úmero fto de elemetos. La característca medble puede ser u atrbuto o ua medcó cuattatva como la duracó de u servco. E este caso exste dos formas de tomar la muestra. b Después de llevar a cabo ua mezcla adecuada de cada uo de los elemetos de la poblacó, se extrae uo, se observa la característca medble. ea esta observacó. El elemeto se repoe a la poblacó, ésta vuelve a mezclarse y se extrae el segudo elemeto. El proceso se cotúa hasta que se obtega observacoes,,., de la característca. Este proceso se deoma muestreo co reemplazameto.. c Después de llevar a cabo ua mezcla adecuada de cada uo de los elemetos de la poblacó, se seleccoa elemetos uo después del otro, s reemplazo. Este proceso se deoma muestreo s reemplazameto. E el caso b cada ua de las observacoes,,., es ua varable aleatora cuya fucó de desdad es détca a la de la poblacó orgal. E el caso c las observacoes,,., so varables aleatoras cuyas dstrbucoes margales so guales a la de la poblacó. La dfereca etre estas dos téccas es el cocepto de depedeca. E el caso b las observacoes,,., costtuye u cojuto de varables aleatoras depedetes e détcamete dstrbudas, dado que por el proceso de reemplazo gua observacó se ve afectada por las demás. E el caso c las observacoes o so depedetes. E este capítulo presetaremos los elemetos requerdos para aalzar las dstrbucoes y los prcpales resultados obtedos cuado se toma ua muestra aleatora de ua poblacó fta, o de ua poblacó fta pero co reemplazameto. E u capítulo posteror presetaremos las téccas para aalzar los resultados obtedos al tomar ua muestra de ua poblacó fta, s reemplazameto.

2 Berardo A. Calderó C. Dstrbucoes muestrales Muestreo Proceso de toma de muestras, aálss y la obtecó de coclusoes. Muestra aleatora ea,,..., u cojuto de varables aleatoras depedetes e détcamete dstrbudas (d. e dce que,,..., forma ua muestra aleatora de tamaño - ma( Parámetro poblacoal Las característcas se refere a la formacó básca de terés sobre las udades muestreadas. e deoma parámetro al valor que toma ua característca de la poblacó. Por ejemplo: El verdadero porcetaje de votates a favor de determado caddato, la ressteca meda a la rotura de u evase, el porcetaje medo de defectuosos que da u proceso. Estos parámetros los deotaremos, por lo geeral, medate la letra grega. Geeralmete el objetvo de los estudos de muestreo es estmar uo o más parámetros de la poblacó. Geeralmete estos parámetros se refere o a la meda poblacoal, que deotaremos por µ, o a la proporcó poblacoal, que deotaremos por la letra. Estadístco T e deoma Estadístco T a cualquer fucó de la muestra aleatora, y que o depede de gú parámetro descoocdo. El estadístco lo deotaremos por T T t(,,, Ejemplos de estadístcos so la meda muestral, la proporcó muestral o la varaza muestral, etre otros. Los estadístcos so varables aleatoras, y como tales tee ua fucó de desdad. u fucó de desdad se deoma dstrbucó muestral.. Prcpales estadístcos.. Meda muestral La meda muestral se defe como: e supoe que la muestra aleatora provee de ua poblacó (fta o fta, caracterzada por los sguetes parámetros: E( µ y V( Alguas de las propedades de la meda muestral so: a Valor esperado: E( E( E E E( µ µ µ b Varaza muestral: V( V ( V V Como se trata de ua muestra aleatora compuesta por varables depedetes, etoces la varaza de ua suma es la suma de las varazas, por lo cual:

3 Berardo A. Calderó C. Dstrbucoes muestrales 3 V V V ( ( ( dode V( V( porque las varables so détcamete dstrbudas. E resume se tee que: E ( µ y V( Recuérdese que la varaza es ua medda de la varabldad o dspersó de los datos alrededor de la meda. Ua varaza pequeña mplca ua alta probabldad de que la varable aleatora tome u valor cercao de la meda. Para u tamaño de muestra grade la varaza de la meda muestral V( es muy pequeña lo cual mplca que exste ua alta probabldad de que tome u valor muy cerca de su meda. Esto es parte de lo que se cooce como la Ley de los grades úmeros... Proporcó muestral P se toma ua muestra aleatora,,...,, dode cada toma los valores 0 ó, (por ejemplo, cero s la - ésma persoa o está de acuerdo co determada propuesta, y uo e caso de que lo este, ó cero s el - ésmo artículo es bueo y uo s es defectuoso, la proporcó muestral P se defe como: P La varable aleatora sgue ua dstrbucó de Beroull co parámetro. u valor esperado y su varaza está dados por E(, V ( ( - La varable aleatora p(x ( x x x, x 0,,,..., E(, V ( ( - Alguas de las propedades de la proporcó muestral P so: a Valor esperado: E(P tee ua dstrbucó bomal, cuyas prcpales característcas so: E(P E E E( b Varaza: V(P V (P V V Como se trata de ua muestra aleatora compuesta por varables depedetes, etoces la varaza de ua suma es la suma de las varazas, por lo cual:

4 Berardo A. Calderó C. Dstrbucoes muestrales 4 ( ( ( V( V(x ( V dode V( V( (- porque las varables so détcamete dstrbudas. E resume se tee que: (P E, ( V(P.3. Varaza muestral La varaza muestral está defda como: x (x Para smplfcar los cálculos la varaza muestral puede calcularse como: ( ( ( A la raíz cuadrada postva de la varaza se la deoma desvacó estádar muestral, es decr: Propedades de la varaza muestral a Valor esperado E( E E E( ( ( E E ( E E( ( ( Como se vo aterormete, la varaza de ua varable aleatora puede expresarse e térmos de su segudo y prmer mometos como: V( E( [E(] Por lo cual el segudo mometo E( puede expresarse como: E( V( [E(] µ De gual maera el segudo mometo de la dstrbucó de la meda puede expresarse como:

5 Berardo A. Calderó C. Dstrbucoes muestrales 5 E ( V( ( E( µ Por lo tato el valor esperado de la varaza E( puede expresarse como: µ µ µ µ E( ( ( e ha demostrado que el valor esperado de la varaza muestral es gual a la varaza poblacoal. Esa es la razó por la cual al calcular la varaza muestral se dvde por - y o por el tamaño de la muestra (, e cambo e el cálculo de la varaza poblacoal se dvde por el tamaño de la poblacó (N. b Varaza e puede demostrar que la varaza de la varaza muestral está dada por: 4 ( V >.4. Estadístcos de orde ea,,..., ua muestra aleatora de tamaño de varables depedetes e détcamete dstrbudas. Los valores de las varables correspode al orde e que fue tomada la muestra. upoga que la muestra aleatora se ordea de meor a mayor. ea ( la varable aleatora que ocupa el puesto e la muestra, dode ( correspode al meor valor, y ( al mayor valor de la muestra. Estas uevas varables aleatoras recbe el ombre de estadístcos de orde. { },,,..., { },,,..., ( M ( Max 3. Dstrbucoes Límtes 3.. Desgualdad de Chebyshev : Estadístco de orde : Estadístco de orde Teorema. ea ua varable aleatora co E( µ y varaza V(. ea ε cualquer úmero postvo, etoces P ( µ ε ε E muchas aplcacoes, el valor ε se expresa como múltplo de la desvacó estádar como k, etoces la desgualdad de Chebyshef se expresa como: P( µ k Cuado la varable de terés o es ua observacó dvdual so ua meda muestral, etoces el valor esperado está dado por E( µ y varaza V( /. E este caso la desgualdad de Chebyshev estará dada por: P ( P( k µ ε ε µ k x k Esto os dce que cuado es grade, la probabldad de que haya algua dfereca etre la verdadera meda µ y su estmador tede a cero, es decr, que cuado, etoces µ.

6 Berardo A. Calderó C. Dstrbucoes muestrales 6 Ejemplo. e tee u lote grade de artículos y se desea estmar la fraccó defectuosa usado muestreo aleatoro smple. Usado la desgualdad de Chebyshev, se desea ecotrar el tamaño de muestra tal que la probabldad sea al meos del 95% de que la fraccó defectuosa dfera de la verdadera fraccó defectuosa e o más de La Ley de los Grades Números upoga que,,..., es ua secueca arbtrara de varables aleatoras co valores esperados E, E(,...,E(. upoga además que la varable aleatora tee varaza para cada valor de etero. Teorema. V 0 cuado y ε es u úmero postvo, etoces, P (E( ε 0 cuado o equvaletemete P ( E( <ε cuado Defcó. Ua secueca de varables aleatoras Z coverge e probabldad o coverge estocástcamete a ua costate "a" s para cada úmero postvo ε P( Z a ε 0 cuado mbólcamete: Z P a El teorema eucado aterormete puede escrbrse como: ( E( P 0 cuado El teorema ateror se le cooce como la Ley débl de los grades úmeros. Coloraro: es la meda muestral de ua ma( de ua poblacó ducda por ua varable aleatora co meda µ y varaza, y s ε>0, etoces P ó P { µ ε} { µ < ε} P 0 cuado ó µ cuado cuado Coclusó: la muestra es grade exste ua alta probabldad de que la meda muestral esté cerca de la meda poblacoal µ. Escogedo u tamaño de muestra sufcetemete grade podemos hacer que la probabldad de que la meda muestral teda a la meda poblacoal sea ta alta (ta cerca de uo como queramos Aplcacó a la Dstrbucó Bomal ea el resultado de u esayo de Beroull {0,}, (por ejemplo, la speccó de u artículo co P(, y P(0 q -. ea el úmero de éxtos (artículos defectuosos e los esayos de Beroull. El úmero medo de éxtos por esayo puede calcularse como:

7 Berardo A. Calderó C. Dstrbucoes muestrales 7 Coloraro. (Teorema de Beroull. represeta el úmero de éxtos e esayos depedetes de u eveto co probabldad, y s ε > 0, etoces P ε 0 s cuado ó P < ε cuado P ó P cuado Coclusó: la muestra es grade exste ua alta probabldad de que la proporcó muestral P esté cerca de la verdadera proporcó poblacoal. Combacó leal de varables ormales Teorema. ea,,..., u cojuto de varables aleatoras dstrbudas ormalmete co valores esperados µ y varazas, para,,...,, etoces Y a se dstrbuye ormalmete co valores esperado µ µ y varaza, dode los a y a y a so valores costates. Ejemplo. Ua estacó de gasola vede tres clases de combustbles: Desel, gasola correte y gasola extra, a precos de $,00, $3,050 y $3,900 el galó, respectvamete. upoga que la catdad vedda daramete de cada tpo se dstrbuye ormalmete co medas 300, 500 y,000 galoes, y desvacoes estádares de 80, 50 y 00 galoes, respectvamete. e pde calcular: a El greso medo daro b La desvacó estádar c La probabldad de que el greso daro supere los 6 mlloes de pesos? Los 7? Los 8? 4. Dstrbucoes muestrales e deoma dstrbucó muestral a la fucó de desdad de u estadístco y esta fucó puede depeder o o de parámetros descoocdos. ea,,..., ua muestra aleatora de tamaño de varables depedetes e détcamete dstrbudas, co ua fucó de desdad f(x,, dode es u parámetro descoocdo (o u cojuto de parámetros. ea Θ el cojuto de todos los valores que puede tomar. ea I {f(x,, Θ} el cojuto que represeta la famla de todas las posbles fucoes de desdad obtedas para cualquer valor de. La fucó de desdad cojuta de la muestra aleatora,,..., está dada por: f,,..., (,,..., (, (,... (, (, x x x x x x f x f x f x f x Como las varables so détcamete dstrbudas, la fucó de desdad cojuta puede expresarse como:

8 Berardo A. Calderó C. Dstrbucoes muestrales 8 f( x, x,..., x, f( x, Ejemplo. Beroull( ó B(, f(x x ( - -x x x x x ( x x f(,,...,, ( x Ejemplo: N(µ, Θ {, } µ,. f ( x e x, π ( µ / < x ( / / f( x, x,..., x, e xµ e (xµ π π 5. Teorema Cetral del Límte (Dstrbucó de la meda Importaca: El teorema cetral del límte (TCL os permte usar la dstrbucó ormal como la dstrbucó de las medas de muestras grades, s teresar cual sea la dstrbucó orgal de las varables aleatoras. Teorema. ea,,..., ua muestra aleatora de tamaño de varables depedetes e détcamete dstrbudas tomadas de ua poblacó fta, co meda µ y varaza, etoces la dstrbucó límte de µ Z / es la dstrbucó ormal estádar (0,, cuado, (depedete de la dstrbucó de,,...,. Otra forma de presetar el TCL es la sguete:,,..., es ua muestra aleatora de tamaño de varables depedetes e détcamete dstrbudas tomadas de ua poblacó fta, co meda µ y varaza, y s es la meda muestral, etoces su dstrbucó muestral tede a ua dstrbucó ormal co meda µ y varaza / cuado. N( µ, / cuado Ejemplo gráfco Co el f de lustrar gráfcamete el TCL presetaremos la dstrbucó de la meda muestral obteda al lazar dos dados, e comparacó co la dstrbucó dvdual de cada dado. represeta el resultado obtedo al lazar u dado, etoces su fucó de probabldad está dada por: Lazameto de u dado p (x, 6 x,,3,4,5,6 0,0 0,5 Probabldad 0,0 0,05 0, Resultado co la ateror represetacó gráfca.

9 Berardo A. Calderó C. Dstrbucoes muestrales 9 Cosderemos ahora el lazameto de dos dados. ea y los respectvos resultados. ea la meda respectva. La tabla sguete preseta su respectva dstrbucó de probabldad (la cual había sdo aalzada prevamete al estudar el cocepto de varable aleatora, y cosderar la suma de los dos dados. Dstrbucó de la meda de dos dados uma Meda P(.0 / / / / / / / / / / /36 u represetacó gráfca se preseta e la fgura sguete. Probabldad Promedo del lazameto de dos dados 0,0 0,5 0,0 0,05 0, Resultado Como se puede observar, el cambo e la forma de la dstrbucó es bastate otable, al pasar de ua dstrbucó completamete plaa (uforme dscreta a ua dstrbucó que, auque o es ormal, s tede a 5 6 Teorema Cetral el Límte. Promedo de Probabld cuatro lazametos ad Valor medo parecerse más a ua dstrbucó ormal que a su dstrbucó orgal. cotuamos promedado más varables, la dstrbucó resultate se aproxmará aú más a ua dstrbucó. La sguete gráfca preseta los resultados al promedar cuatro lazametos de la moeda. Observacó mportate: Debe teerse e cueta que s etoces la varaza de ( / tede a cero, lo cual mplca a su vez que µ. Lo que el TCL dce es que cuado el tamaño muestral es grade, la meda de ua muestra aleatora tede a segur la dstrbucó ormal. Cuádo es lo sufcetemete grade?. E geeral depede de la dstrbucó orgal de la varable aleatora ; s embargo, para varables cotuas y 30, la aproxmacó ormal se aplca, o mporta cual sea la dstrbucó orgal. Para < 30 la aproxmacó es válda segú la forma de la dstrbucó orgal. la dstrbucó orgal es cotua y uforme (por ejemplo el caso de los úmeros aleatoros que va de cero a uo, para que el promedo teda haca ua dstrbucó ormal, se requere muestras de por lo meos 0 observacoes (esto se determado medate pruebas de bodad de ajuste.

10 Ejemplo: Ua máqua vededora de refrescos está programada para que la catdad de refrescos que srve sea ua varable aleatora co ua meda de 00 mlltros y ua desvacó estádar de 5 mlltros. Cuál es la probabldad de que la catdad meda de refresco servdo e ua muestra aleatora de 36 refrescos sea por lo meos 04 mlltros?. Realce los cálculos usado la desgualdad de Chebyshev y el TCL. e tee lo sguete: µ 00, 5, 36 a Usado la desgualdad de Tchevyshef, se tee: P ( µ ε ε dode ε 4, P( µ embargo, se tee que P( µ 4 P( µ 4 P( µ P( µ supoedo ua dstrbucó smétrca. b Usado el TCL: P ( 4 P µ µ P(Z / 5 / 6 Co la desgualdad de Chebyshev dode o se hace gua suposcó sobre la dstrbucó de la meda, teemos que la probabldad es meor que 0.95, y usado el teorema cetral del límte se tee que la probabldad es.0548 (meor que 0.95 Ejemplo: Cotuado co el ejemplo ateror a Cuál es el error máxmo que se está dspuesto a aceptar e la estmacó de la meda, s se especfca ua probabldad de 0.05? b Cuál debe ser el tamaño de la muestra de tal forma que el error máxmo que se cometa e la estmacó de la meda sea de 4 mlltros co ua probabldad de 0.05 o meos? olucó: a Queremos determar el valor de ε de tal forma que P( µ ε 0.05 P ( µ ε P( µ ε P( µ ε 0.05 P P ( µ ε µ ε µ ε P P / 5 / 6 / 5 / 6 ε ε ( µ ε PZ P Z 5 / 6 5 / 6 Como la probabldad del error es de 0.05, y la dstrbucó es smétrca, etoces la probabldad de u error meor de -ε es 0.05 y la probabldad de u error superor a ε es també de Por lo tato, los valores de -ε/(5/6 y ε/(5/6 correspode a los valores de la dstrbucó ormal que tee áreas de 0.05 a la zquerda y 0.05 a la derecha, respectvamete. Es decr, ε ε, 5 / 6 z / 9 z Por lo tato ε (.96x5 / z b Queremos determar el valor de de tal forma que.96 Notacó: El valor Z P correspode al valor de la dstrbucó ormal que tee u área de P a la derecha, o - P haca la zquerda

11 Berardo A. Calderó C. Dstrbucoes muestrales P ( µ ε α ó equvaletemete P( µ ε α, dode α 0.05, y ε 4. De uevo -µ -ε ε -µ ε. Por lo tato: P ( µ ε P( ε µ ε α ( ε µ ε µ ε P α P / / / La ateror expresó puede escrbrse como: P µ ε P( Z ( z α α / zα / dode ε / z z, α / α / zα / / ε Por lo tato el tamaño de muestra requerdo está dado por: α Z / 5x.96 ε 4 54 La fórmula ateror es ua fórmula geeral para determar el tamaño de la muestra cuado se muestrea de ua poblacó fta. se muestrea de ua poblacó fta(n es ecesaro reemplazar la desvacó estádar de la meda fta, que está dada por ε Z (N / por la desvacó estádar de la meda cuado se muestrea de la poblacó α / N Zα / N. El tamaño de muestra resultate está dado por: N Teorema de Movre. es el úmero de éxtos e esayos depedetes de u eveto co probabldad, y s a y b so dos úmeros reales co a<b, etoces b P{ a < a } z / < e dz, cuado. π a Es decr, el teorema de DeMovre dce que cuado el tamaño de la muestra es grade, la dstrbucó Bomal se puede aproxmar por ua dstrbucó ormal co meda E( µ y varaza V( (-. Problemas: upoga que el úmero de barrles de petróleo crudo que produce u pozo daramete es ua varable aleatora co ua dstrbucó o especfcada. se observa la produccó de 64 días, seleccoadas e forma aleatora, y se sabe que la desvacó estádar del úmero de barrles por día es 6 barrles, a Determe la probabldad de que la produccó de u día o exceda de la meda e más de 3 barrles. b Determe la probabldad de que la produccó meda se ecuetre a o más de 4 barrles del verdadero valor de la produccó dara. (Use la desgualdad de Chebyshef y el TCL. Para realzar u expermeto se le ha sumstrado ua ressteca. Como se desea estmar la ressteca muy exactamete, usted realza 36 medcoes co el msmo método, cuya expereca preva dca que tee ua varaza de 0 ohmos. La medda promedo de sus medcoes da 5 ohms. a Cuál es la probabldad de que su promedo de 5 ohms esté e error por mas de ohm? b Cuál es la probabldad a pror de que se obtega valores muestrales para los cuales la meda muestral dfera de la meda poblacoal µ por más de u ohm?

12 Berardo A. Calderó C. Dstrbucoes muestrales c Cuál es el error máxmo ε que se puede cometer s se desea que la probabldad a pror de que se cometa dcho error o exceda de 0.05? d Cuátas medcoes debe realzarse co el f de obteer ua probabldad a pror de 0.05 de que el promedo muestral dfera de la verdadera ressteca meda por más de ohm? 3 Cosdere el proceso de seleccó de ua muestra de ua dstrbucó que tee ua varaza 0, pero co ua meda descoocda. Cuál debe ser el tamaño de la muestra para que la meda se ecuetre detro de u tervalo gual a dos udades de la meda poblacoal, co ua probabldad de por lo meos 0.90 a Usado la desgualdad de Chebyshef ( 5 b Usado el TCL. ( 7 4 U spector de pesos y meddas vsta ua plata de empacado para verfcar que el peso eto de las cajas sea el dcado e éstas. El gerete de la plata asegura al spector que el peso promedo de cada caja es de 750 gr. co ua desvacó estádar de 5 gr. El spector seleccoa, al azar, 00 cajas y ecuetra que el peso promedo es de 748 gr. Bajo estas codcoes, qué ta probable es teer u peso de 748 o meos? Qué acttud debe tomar el spector? 5 La probabldad de que u basquetbolsta aote e u lazameto que realce es 0.5. realza 0 lazametos, cuál es la probabldad de que aote al meos e 9 lazametos? a Usado la dstrbucó exacta. b Usado la aproxmacó ormal s factor de correccó de cotudad. c Usado la aproxmacó ormal co factor de correccó de cotudad d Es aplcable la aproxmacó de Posso? Dstrbucó de la meda para poblacoes ftas u expermeto cosste e seleccoar uo o más valores de u cojuto fto de úmeros (C, C,..., C N, este cojuto recbe el ombre de poblacó fta de tamaño N. se realza u muestreo de esta poblacó s reemplazo, es decr, s susttucó de los elemetos muestreados prevamete, etoces, los dferetes elemetos de la muestra (,,..., o so depedetes. Defcó. es el prmer elemeto de la muestra, es el segudo valor tomado,..., es el ésmo valor tomado, la dstrbucó de probabldad cojuta de estas varables aleatoras está dada por: f( x, x,..., x N(N (N...( y,,..., costtuye la muestra aleatora (. La probabldad de tomar ua muestra cualquera de tamaño de ua poblacó de N elemetos está dada N por La dstrbucó margal de cualquer j está dada por: f( x j, para x j C, C,...,C N N La dstrbucó margal cojuta de dos varables aleatoras cualesquera k y s está dada por: g( xk, xs N(N e puede demostrar que la covaraza etre k y s está dada por: COV( k, s N Teorema: es la meda de ua muestra aleatora de tamaño tomada de ua poblacó fta de tamaño N co meda µ y varaza, etoces

13 Berardo A. Calderó C. Dstrbucoes muestrales 3 N E( µ y V( N N El térmo recbe el ombre de factor de correccó para poblacó fta. N>> este factor tede a N uo, y la varaza muestral será gual a / (como s se tratara de ua poblacó fta. 6. Dstrbucó de la proporcó ea,,..., ua muestra aleatora tomada de ua poblacó co ua dstrbucó de Beroull co parámetro. Por lo tato su fucó de probabldad, su meda y su varaza está dadas por: x p( x ( x, x 0, E(, V( ( - P es la proporcó muestral, defda como... P ( co E (P, V(P E vrtud del Teorema Cetral del Límte, como P es la meda muestral de los dferetes valores de, etoces P tede a segur ua dstrbucó ormal co los parámetros dados aterormete, es decr, P ( Normal,. Ó també la varable aleatora P Z ( sgue ua dstrbucó ormal estádar co meda cero y varaza utara, cuado el tamaño de la muestra es grade. 7. Dstrbucó de la dfereca etre proporcoes ea,,..., ua muestra aleatora ( tomada de u proceso de Beroull co parámetro. ea,,..., ua muestra aleatora ( tomada de u proceso de Beroull co parámetro. Estamos teresado e coocer la dstrbucó de la dfereca de proporcoes muestrales P P. abemos que P se dstrbuye ormalmete co ua valor esperado y ua varaza ( cuado es grade. De forma smlar P se dstrbuye ormalmete co ( ua valor esperado y ua varaza cuado es grade. Teemos que:

14 Berardo A. Calderó C. Dstrbucoes muestrales 4 ( E P ( V P P P ( ( Como tato P como P se dstrbuye ormalmete, etoces su dfereca també se dstrbuye ormalmete co los parámetros arrba mecoados. Es decr, ( ( P P Normal,. Ó també la varable aleatora Z defda como P P ( Z ( ( tee ua dstrbucó ormal cuado y so grades. se desea verfcar s las dos dstrbucoes so guales, se tedría etoces que aalzar s, es decr, 0. Ejemplo: U artículo del New York Tmes e 987 reportó que se puede reducr el resgo de sufrr ataques al corazó gredo aspra. Para llegar a esta coclusó el crosta se basó e los resultados de u expermeto dseñado, e dode partcparo dos grupos de persoas. A u grupo de,034 persoas se le sumstró ua doss dara de ua pastlla que o coteía gua droga, y de estos 89 sufrero posterormete ataques al corazó, metras que al otro grupo de,037 se les sumstró ua aspra, y sólo 04 lo sufrero. Cosdera Usted que el crosta del New York Tmes estaba e lo correcto?. 8. Dstrbucó Ch Cuadrado Defcó. Ua varable aleatora tee ua dstrbucó Ch Cuadrado ó J dos s su fucó de desdad de probabldad está dada por: υ / x /, x 0 f(x υ / x e Γ( υ / 0, x < 0 dode es el úmero de grados de lbertad, o smplemete grados de lbertad. La dstrbucó Ch Cuadrado es u caso partcular de la dstrbucó Gamma, cuya fucó de desdad está dada por: k ( t f(t λ λt λ e t 0 Γ(k dode Γ(k es la fucó gamma de k. Los valores correspodetes de los parámetros λ y k so λ / y k /. El valor esperado y la varaza de la dstrbucó Ch cuadrado está dados por: E(, V( Notacó: ua varable tee ua dstrbucó Ch cuadrado co grados de lbertad, lo deotaremos como Ch( ó χ Teoremas

15 Berardo A. Calderó C. Dstrbucoes muestrales 5 Z es ua varable aleatora co dstrbucó ormal (0,, etoces Z tee ua dstrbucó Ch Cuadrado co u grado de lbertad (. Z, Z,...,Z es u cojuto de varables depedetes e détcamete dstrbudas co dstrbucó ormal (0,, etoces Z Z Z... Z tee ua dstrbucó Ch Cuadrado co grados de lbertad. 3,,..., k es u cojuto de k varables depedetes co dstrbucoes Ch Cuadrado co,,..., k grados de lbertad, respectvamete, etoces la varable aleatora... k tee ua dstrbucó Ch Cuadrado co... k grados de lbertad. 4 ea y dos varables aleatoras. tee ua dstrbucó j dos co grados de lbertad, y tee otra dstrbucó Ch cuadrado co > grados de lbertad, etoces tee ua dstrbucó Ch cuadrado co - grados de lbertad. Teorema. y so la meda y la varaza de ua ma( tomada de ua poblacó ormal co meda µ y varaza, etoces a y so depedetes. b ( La varable aleatora tee ua dstrbucó Ch Cuadrado co - grados de lbertad. La parte a o se demostrará. A cotuacó se preseta la demostracó de la parte b. Para ello cosdere la sguete suma: ( µ. Esta expresó puede represetarse de la sguete maera, sumado y restado. ( [ ] µ ( ( µ ( ( µ ( µ µ ( ( µ µ ( ( ( ( ( µ ( µ dado que ( es gual al cero. dvdmos ambas expresoes por, se tee: N µ ( µ I multplcamos y dvdmos la prmera parte de la expresó de la derecha por ( teemos que: µ µ ( / (

16 Berardo A. Calderó C. Dstrbucoes muestrales 6 Observado la expresó ateror teemos que el térmo µ sgue ua dstrbucó Ch Cuadrado co grados de lbertad, y el térmo grado de lbertad. Por lo tato, la expresó de lbertad. µ / ( sgue també ua dstrbucó Ch Cuadrado pero co u sgue ua dstrbucó Ch Cuadrado co - grados Tabulacó. La fucó de dstrbucó o puede calcularse e forma aalítca; s embargo, ha sdo tabulada para dferetes valores de la probabldad acumulada, y para varos grados de lbertad. E alguas tablas se preseta la cola haca la zquerda (probabldad acumulada, y e otras la cola haca la derecha. Para aquellos valores que o se ecuetre e la tabla, se puede usar terpolacó leal, medate la sguete fórmula: P P ( P P Notacó. Usaremos la otacó χ,p para deotar el valor de la dstrbucó Ch cuadrado co grados de lbertad y ua cola de P haca la derecha (o ua probabldad acumulada de -P haca la zquerda. Problema: Hacedo uso de la relacó exstete etre las dstrbucoes gama y ch cuadrado, demuestre que la varaza de la varaza poblacoal está dada por 4 ( V, > Ejemplo. upoga que el espesor de u compoete de u semcoductor es ua dmesó crítca. El proceso de produccó de tal característca se dstrbuye ormalmete co ua desvacó estádar de 0.6 mlésmas de pulgada. Para cotrolar el proceso se toma muestras peródcas de vete pezas, y se defe u límte de cotrol co base e ua probabldad de 0.0 de que la varaza muestral exceda dcho límte, s el proceso está bajo cotrol. Qué se puede coclur s para ua muestra dada la desvacó estádar es 0.84 mlésmas de pulgada? olucó. La varable aleatora de terés para uestro caso es ( /. deotamos por LC el límte superor de cotrol, etoces teemos que se debe cumplr que: ( ( LC P P( LC 0.0 P > > LC 0.99 Por lo tato, debemos buscar e la tabla de la dstrbucó Ch Cuadrado, co 9 grados de lbertad, el valor que tega ua probabldad haca la derecha de 0.0 (ó haca la zquerda de 0.99, deotado por χ, 9,0. 0 correspodete a 36.9, el cual debe satsfacer la sguete desgualdad: ( e acepta s χ9,0.0 χ 9,0.0 O també se acepta s ( Por lo tato el crtero de decsó se puede expresar e ua de las dos formas sguetes: ( 9 x a e calcula

17 Berardo A. Calderó C. Dstrbucoes muestrales 7 Como 37.4 > 36.9 la muestra o provee de u proceso co ua desvacó estádar de b e calcula Como > se llega a la msma coclusó de que o es probable que la muestra tomada provega de ua poblacó co ua desvacó estádar de 0.60 mlésmas de pulgada. Ejemplo. U fabrcate de baterías para automóvles garatza que sus baterías dura, e promedo tres años co ua desvacó estádar de u año. cco de sus baterías tee duracoes de.9,.4, 3.0, 3.5 y 4.3 años, puede asegurarse que las baterías tee ua duracó estádar de u año?. upoga que la duracó de las baterías sgue ua dstrbucó ormal. Teemos que: 3.0, ( 4 x Buscado e la tabla ch cuadrado para cuatro grados de lbertad ecotramos para.75 ua probabldad P de 0.4 y para 4.04 la probabldad es P 0.6. Usado terpolacó leal, teemos ua probabldad aproxmada de la muestra provee de ua poblacó co desvacó estádar de uo, la probabldad de que la muestra o perteezca a esta dstrbucó es de , la cual es excesvamete alta. Por lo tato, o hay evdeca para coclur que la muestra o perteece a ua poblacó co ua varaza de uo. 9. Dstrbucó t e sabe que se dstrbuye ormalmete co ua meda µ y ua varaza ( µ /, o la varable Z se / dstrbuye ormalmete co meda cero y varaza utara. embargo, para calcular Z se requere que sea coocdo. Por lo tato, se requere ua dstrbucó para el caso e que sea descoocdo y se pueda reemplazar por u estmatvo, tal como. Tal dstrbucó es la dstrbucó t. Teorema. ea Y y Z dos varables aleatoras depedetes, Y co ua dstrbucó Ch cuadrado co grados de lbertad, y Z co ua dstrbucó ormal estádar (0,, etoces la dstrbucó de la varable T Z Y / está dado por: f(t Γ( t, πγ( / < t < y se deoma dstrbucó t ó dstrbucó de tudet, co grados de lbertad. Orge: W Gosset publcó calmete la dstrbucó bajo el seudómo de tudet. Propedades geerales a El valor esperado es cero E(T 0 b Dstrbucó smétrca co respecto a cero. c La varaza de T está dada por V (T, > d La varaza de T es lgeramete mayor de.0, es decr, es lgeramete mayor que la de la dstrbucó ormal estadarzada. e Para 30 la dstrbucó t tede haca la dstrbucó ormal. Tabulacó. La fucó de dstrbucó o puede calcularse e forma aalítca; s embargo, ha sdo tabulada para dferetes valores de la probabldad acumulada, y para varos grados de lbertad. Como la dstrbucó es

18 Berardo A. Calderó C. Dstrbucoes muestrales 8 smétrca, solamete se preseta probabldades acumuladas para valores postvos de t (t 0. Los valores que se preseta e los ecabezametos de las columas de la tabla correspode a las probabldades de exceder los respectvos valores de t, es decr, preseta las colas a la derecha de los valores respectvos de t. Para ecotrar probabldades correspodetes a valores egatvos de t hay que hacer uso de la propedad de smetría de la dstrbucó t que os dce que Φ(-t - Φ(t. Notacó. Usaremos la otacó t, P para deotar el valor de la dstrbucó t co grados de lbertad y ua probabldad acumulada de P haca la derecha (o ua probabldad de -P haca la zquerda. La aplcacó fudametal para la cual se usa esta dstrbucó se preseta e el sguete teorema. Teorema. y so la meda y la varaza de ua muestra aleatora de tamaño tomada de ua poblacó ormal co meda µ y varaza, etoces la varable ( µ T / tee la dstrbucó t co - grados de lbertad. Demostracó: abemos que ( Y tee ua dstrbucó Ch Cuadrado co - grados de lbertad, y que ( µ Z tee ua dstrbucó ormal (0,. Etoces s aplcamos la defcó de la dstrbucó / t teemos: ( µ Z / ( µ T Y / ( / ( Ejemplo. E u recorrdo de prueba de ua hora cada uo, el cosumo promedo de gasola de u motor fue 6.4 galoes, co ua desvacó estádar de. galoes. e quere saber s es certa la afrmacó de que el cosumo promedo de gasola es galoes/hora. Respuesta. Teemos la sguete formacó: 6, 6.4, s. y µ.0 Para respoder la preguta debemos verfcar que ta probable es que ua muestra de 6.4 galoes perteezca a ua dstrbucó co ua meda de. Por lo tato, debemos calcular la probabldad de que la meda muestral sea mayor o gual que 6.4 s la verdadera meda de dode provee dcha muestra es galoes. Esto es: µ P ( 6.4 P P(T 8.38 /./ 6 Buscado e la tabla de la dstrbucó t co 5 grados de lbertad, teemos que para ua probabldad de el respectvo valor de t es.947, lo cual mplca que la probabldad para t 8.38 es cero. Por lo tato, coclumos que la probabldad de obteer ua muestra co ua meda de 6.4 de ua poblacó cuya meda es.0 es cero, es decr, que el cosumo promedo de gasola o es galoes/hora, so que es superor. 0. Dstrbucó F Es la dstrbucó muestral aplcable para la relacó de dos varazas. Teorema. U y W so dos varables aleatoras depedetes, cada ua co dstrbucó Ch Cuadrado co y grados de lbertad, respectvamete, etoces la dstrbucó de la sguete varable aleatora

19 Berardo A. Calderó C. Dstrbucoes muestrales 9 U / F W / está dada por: Γ ( > / f f, f 0 g(f Γ Γ 0 e o c y se deoma dstrbucó F co y grados de lbertad ( grados de lbertad e el umerador y grados de lbertad e el deomador. Notacó. Usaremos la otacó F,,P para deotar el valor de la dstrbucó F co grados de lbertad e el umerador, grados de lbertad e el deomador y ua probabldad acumulada de P haca la derecha (o ua probabldad de -P haca la zquerda. Puede demostrarse que F,,P, s se F,, P verte la defcó de la dstrbucó F. La aplcacó prcpal para la cual se desarrolló la dstrbucó F es la comparacó de dos varazas (de poblacoes ormales. ea,,..., ua muestra aleatora ( tomada de ua poblacó ormal co varaza, y sea,,..., otra muestra aleatora ( tomada de ua poblacó ormal co varaza. queremos realzar algua fereca sobre la gualdad o o de las varazas, os podemos basar e el hecho que las sguetes relacoes ( ( y so varables aleatoras co dstrbucoes Ch cuadrado co y grados de lbertad, respectvamete, y co las cuales podemos costrur la dstrbucó F. El sguete teorema clarfca este aspecto. Teorema. y so las varazas muestrales de dos varables aleatoras depedetes de tamaños y tomadas de poblacoes ormales co varazas y, etoces, la relacó / F / / tee ua dstrbucó F co y - grados de lbertad. Demostracó. llamamos U y W a los dos relacoes y dadas aterormete, y aplcamos la defcó de la dstrbucó F, llegamos drectamete al resultado deseado. Tabulacó. De uevo, la fucó de dstrbucó o puede calcularse e forma aalítca; s embargo, ha sdo tabulada para dferetes valores de la probabldad acumulada, y para varos grados de lbertad e el umerador y e el deomador. Para cada valor de la probabldad debe calcularse ua tabla dferete. Los valores de las probabldades dados e las tablas correspode a las probabldades de exceder los respectvos valores de F, es decr, preseta las colas a la derecha del valor respectvo de F. Las tablas está costrudas bajo la suposcó de que la dstrbucó orgal de las varables aleatoras es ormal.. Dstrbucó de la dfereca etre dos medas

20 Berardo A. Calderó C. Dstrbucoes muestrales 0 ea y dos varables aleatoras co valores esperados µ y µ y varazas y, respectvamete. Por ejemplo, puede ser la duracó de ua batería para carro de ua marca, y la duracó de ua batería de otra marca dferete. los medas µ y µ so descoocdas, podríamos estar teresados e coocer s ambas baterías tee la msma duracó meda. E forma smlar, s las varazas so descoocdas, podríamos estar teresados e saber s so guales o o. Para realzar estas ferecas, se puede someter a pruebas détcas dferetes baterías, cotrolado los factores exteros, de tal forma que las dferecas se deba exclusvamete a la clase de marca probada Icalmete estaremos teresados e verfcar s ambas dstrbucoes tee la msma meda poblacoal, es decr s µ µ ó equvaletemete µ - µ 0. upoga que,,...,, es ua muestra aleatora de tamaño tomada de ua poblacó co,..., meda µ y varaza, y es otra muestra aleatora de tamaño tomada de ua poblacó co meda µ y varaza. deseamos realzar algua fereca sobre µ - µ, os podemos basar e la dstrbucó de la dfereca de las medas muestrales. Por el TCL sabemos que tato como se dstrbuye ormalmete co los sguetes parámetros: Normal ( µ, /, Normal (, µ / Ahora be, para la dfereca de las medas muestrales ( µ µ se tee: E ( V( V( V Para coocer la dstrbucó muestral de las dferecas etre las medas se debe saber s las varazas poblacoales so coocdas o descoocdas, y e caso de que sea descoocdas, se debe saber s so guales o dferetes. Cada uo de estos tres casos se aalzará por separado. a Dstrbucó de la dfereca etre dos medas cuado las varazas so coocdas. las varazas y so coocdas, tato como se dstrbuye ormalmete. Por lo tato la dstrbucó de la dfereca etre las medas muestrales es ormal co el valor esperado y la varaza dados aterormete, es decr, µ µ Normal, De acuerdo co lo ateror la sguete varable aleatora tee ua dstrbucó ormal estádar: ( µ µ Z Por lo tato, co base e la expresó ateror se puede realzar ferecas co respecto a la dfereca de medas poblacoales, bajo el supuesto de que las varazas sea coocdas. además, so guales, la expresó ateror se puede expresar como: ( µ µ Z

21 Berardo A. Calderó C. Dstrbucoes muestrales b Dstrbucó de la dfereca etre dos medas cuado las varazas so descoocdas pero guales ( Cuado las varazas so descoocdas, se debe realzar prevamete ua prueba estadístca para verfcar s éstas so guales o dferetes. Para realzar esta prueba debemos hacer uso de la dstrbucó F para verfcar s la relacó de varazas es gual a uo o dferete de uo. Para cada ua de las dos muestras se defe sus respectvas varazas como: ( j, ( j j j Además ( ( y tee dstrbucoes ch cuadrado co - y - grados de lbertad respectvamete. Por lo tato su suma també sgue otra dstrbucó ch cuadrado co grados de lbertad. Es decr: Y ( ( χ ( Ahora be, s Z es ua varable ormal (0, y Y tee ua dstrbucó ch cuadrado co grados de lbertad, Z etoces la varable T tee ua dstrbucó t co grados de lbertad. Para uestro caso la Y / varable Z correspode a la dstrbucó de la dfereca de las dos medas, co varazas coocdas, y la varable ch cuadrado correspode a la varable Y acabada de defr. Por lo tato ( µ µ Z ( µ µ T ( ( ( ( /( dode T p p ( µ µ t( ( ( es u estmador poderado de la varaza poblacoal obteda poderado las varazas poblacoales por sus respectvos grados de lbertad. c Dstrbucó de la dfereca etre dos medas cuado las varazas so descoocdas y dferetes ( Cuado las varazas so dferetes se puede demostrar que la sguete varable aleatora T sgue ua dstrbucó t co grados de lbertad, dode

22 Berardo A. Calderó C. Dstrbucoes muestrales ( µ µ T tυ y el úmero de grados de lbertad está dado por: ( / / V / / Ejemplo. El gerete de ua refería pesa modfcar el proceso para producr gasola a partr de petróleo crudo. El gerete hará la modfcacó sólo s la gasola promedo que se obtee por este uevo proceso (expresada como u porcetaje del crudo aumeta su valor co respecto al proceso e uso. Co base e u expermeto de laboratoro y medate el empleo de dos muestras aleatoras de tamaño, ua para cada proceso, la catdad de gasola promedo del proceso e uso es de 4.6 co ua desvacó estádar de.3, y para el proceso propuesto fue de 8. co ua desvacó estádar de.7. El gerete pesa que los resultados proporcoados por los dos procesos so varables aleatoras depedetes ormalmete dstrbudas co varazas guales. Co base e esta evdeca, debe adoptarse el uevo proceso?. Problemas Ejerccos varos y Y so varables aleatoras ormales depedetes co E( 0, V( 4, E(Y 0 y V(Y 9. Calcule lo sguete: a. E( 3Y b. V( 3Y c. P( 3Y < 30 d. P( 3Y < 40 Respuestas : a 30 b 97 c 0.5 d upoga que la varable aleatora represeta la logtud, e pulgadas, de ua peza perforada. ea Y la logtud de la peza e mlímetros. E( 5 pulgadas, cuál es la meda de Y? La evoltura de plástco para u dsco magétco está formada por dos hojas. El espesor de cada ua tee ua dstrbucó ormal co meda.5 mlímetros y desvacó estádar de 0. mlímetros. Las hojas so depedetes. a. Determe la meda y la desvacó estádar del espesor total de las dos hojas. b. Cuál es la probabldad de que el espesor total sea mayor que 3.3 mlímetros? Respuestas :a µ 3 mm, 0.44 b El acho del marco de ua puerta tee ua dstrbucó ormal co meda 4 pulgadas y desvacó estádar de /8 de pulgada. El acho de la puerta tee ua dstrbucó ormal co meda 3 y7/8 pulgadas y desvacó estádar de /6 pulgadas. upoga depedeca. a. Determe la meda y la desvacó estádar de la dfereca etre el acho del marco y el de la puerta. b. Cuál es la probabldad de que la dfereca etre el acho del marco y el de la puerta sea mayor que /4 de pulgada? c. Cuál es la probabldad de que la puerta o quepa e el marco? U compoete e forma de U está formado por tres pezas, A, B y C. La fgura lustra el compoete. La logtud de A tee ua dstrbucó ormal co meda de 0 mlímetros y desvacó estádar de 0. mlímetros. El espesor de las pezas B y C está dstrbudo ormalmete co meda de mlímetros y desvacó estádar de 0.05 mlímetros. upoga que todas las dmesoes so depedetes. a. Determe la meda y la desvacó estádar de la logtud del hueco D. b. Cuál es la probabldad de que el hueco D sea meor que 5.9 mlímetros? Ejerccos tomados de "Probabldad y Estadístca Aplcada la Igeería". Douglas C. Motgomery y George C. Ruger. McGraw Hll, 997.

23 Berardo A. Calderó C. Dstrbucoes muestrales 3 B D C A Y Fgura 5- Fgura para el ejercco Respuestas: a E(D 6 mm, D 0.5 mm b El lleado de las latas de ua bebda suave lo hace ua máqua de lleado automátca, co ua desvacó estádar de 0.5 ozas de líqudo. upoga además que los volúmees co que se llea las latas so varables aleatoras ormales depedetes. a. Cuál es la desvacó estádar del volume de lleado promedo de 00 latas? b. el volume de lleado promedo es. ozas, cuál es la probabldad de que el volume de lleado promedo de 00 latas sea meor que ozas de líqudo? e. Cuál debe ser el valor del volume de lleado promedo para que la probabldad sea de que el promedo e 00 latas sea meor que ozas de líqudo? 5-7 El espesor de la película fotoprotectora e u proceso de fabrcacó de semcoductores tee ua meda de 0 mcrómetros y ua desvacó estádar de mcrómetro. upógase que el espesor tee ua dstrbucó ormal, y que el espesor etre dferetes obleas es depedete. a. Calcule la probabldad de que espesor promedo de 0 obleas sea mayor que o meor que 9 mcrómetros. b. Determe el úmero de obleas que es ecesaro medr para que la probabldad sea 0.0 de que el espesor promedo sea mayor que mcrómetros. Desgualdad de Chebychev y dstrbucó ormal El espesor de la película fotoprotectora e u proceso de fabrcacó de semcoductores tee ua meda de 0 mcrómetros y ua desvacó estádar de mcrómetro. Acote la probabldad de que el espesor sea meor que 6 o mayor que 4 mcrómetros upoga que tee ua dstrbucó uforme cotua detro del rago 0< x < 0. Utlce la regla de Chebychev para acotar la probabldad de que dfera de su meda por más de dos desvacoes estádar y compare el resultado co el valor real de la probabldad. Respuestas: 0.5 cotra upoga que tee ua dstrbucó expoecal co meda 0. Utlce la regla de Chebychev para acotar la probabldad de que dfera de su meda por más de dos y tres desvacoes estádar, y compare los resultados co el valor real de la probabldad e cada caso upoga que tee ua dstrbucó Posso co meda λ. Utlce la regla de Chebychev para acotar la probabldad de que dfera de su meda por más de dos y tres desvacoes estádar, y compare los resultados co el valor real de la probabldad e cada caso. Respuestas: ¼ y ½ cotra 0.36 y Cosdere el proceso de taladrar agujeros e tarjetas de crcuto mpreso. upoga que la desvacó estádar de los dámetros es 0.0 y que éstos so depedetes. upoga además que se utlza el promedo de 500 dámetros para estmar la meda del proceso. a. la probabldad de que el promedo meddo se ecuetre detro de algua cota alrededor de la meda del proceso, es al meos de 5/6, cuál es el valor de la cota? b. se supoe que los dámetros tee ua dstrbucó ormal, determe ua cota tal que la probabldad de que el promedo meddo esté más cercao a la meda del proceso que la cota, sea al meos de 5/ El peso de u caramelo pequeño tee ua dstrbucó ormal co meda 0. ozas desvacó estádar de 0.0 ozas. upoga que se coloca 6 caramelos e u paquete y que los pesos de éstos so depedetes. a. Cuáles so la meda y la varaza del peso eto del paquete? 3 "Probabldad y Estadístca Aplcada la Igeería". Douglas C. Motgomery y George C. Ruger. McGraw Hll, 997.

24 Berardo A. Calderó C. Dstrbucoes muestrales 4 b. Cuál es la probabldad de que el peso eto del paquete sea meor que.6 oza c. se coloca 7 caramelos e cada paquete, cuál es la probabldad de que peso eto de u paquete sea meor que.6 ozas?. Respuestas: a E(.6, V( b 0.5 c El tempo para que u sstema automatzado localce ua peza e u almacé, tee u dstrbucó ormal co meda de 45 segudos y desvacó estádar de 30 segudos. upoga que se hace peddos depedetes por 0 pezas. a. Cuál es la probabldad de que el tempo promedo ecesaro para localzar las pezas sea mayor que 60 segudos? b. Cuál es la probabldad de que el tempo total ecesaro para localzar las pezas sea mayor que 600 segudos? El esamble mecáco empleado e el motor de u automóvl tee cuatro compoetes mportates. Los pesos de los compoetes so depedetes y está dstrbudos ormalmete co las sguetes medas y desvacoes estádar (e ozas: compoete Meda Desvacó estádar tapa zquerda tapa derecha esamble de cojetes esamble de torllos a. Cuál es la probabldad de que el peso de u esamble sea mayor que 9.5 ozas? b. Cuál es la probabldad de que el peso promedo de ocho esambles depedetes sea mayor que 9 ozas? Respuestas: a b 0 Ejerccos para TCL e fabrca tubería PVC co u dámetro promedo de.0 y desvacó estádar de Ecuetre la probabldad de que e ua muestra aleatora de 9 seccoes de tubería, el dámetro promedo de la muestra sea mayor que.009 y meor que upoga que se toma muestras aleatoras de tamaño 5 de ua poblacó ormal co meda 00 y desvacó estádar 0. Cuál es la probabldad de que la meda muestral se ecuetre detro del tervalo de -.8 y desvacoes estádares? Respuestas: E la fabrcacó de ua alfombra se utlza ua fbra stétca co ua ressteca a la tesó que tee ua dstrbucó ormal co meda 75.5 ps y desvacó estádar 3.5 ps. Ecuetre la probabldad de que e ua muestra aleatora de 6 especímees de fbra, la meda de la ressteca a la tesó e la muestra sea mayor que ps. 6-. Cosdere la fbra stétca del ejercco ateror. Cómo camba la desvacó estádar de la meda muestral cuado el tamaño de la muestra aumeta desde 6 hasta 49? 6-. La ressteca a la compresó del cocreto tee ua meda de 500 ps y ua desvacó estádar de 50 ps. Ecuetre la probabldad de que la meda muestral de ua muestra aleatora de 5 especímees esté e el tervalo de 499 a 50 ps Cosdere los especímees de cocreto del ejemplo ateror. Cuál es el error estádar de la meda muestral? Respuestas: Ua poblacó ormal tee ua meda de 00 y ua varaza de 5. De qué tamaño debe ser la muestra aleatora que se tome de esta poblacó para que el error estádar del promedo de la muestra sea.5? 6-5. upoga que la varable aleatora tee la dstrbucó uforme cotua f ( x, 0 x 0 e cualquerotro caso upoga que se toma ua muestra aleatora de observacoes de esta dstrbucó. Cuál es la dstrbucó de probabldad de 6?. Ecuetre la meda y la varaza de esta catdad. Respuestas:-/, /44 4 "Probabldad y Estadístca Aplcada la Igeería". Douglas C. Motgomery y George C. Ruger. McGraw Hll, 997.

25 Berardo A. Calderó C. Dstrbucoes muestrales upoga que tee ua dstrbucó uforme dscreta / 3, x,,3 f ( x 0 e cualquerotro caso De esta poblacó se toma ua muestra aleatora de tamaño 36. Ecuetre la probabldad de que la meda muestral sea mayor que. pero meor que.5. upoga que la meda muestral puede medrse hasta la décma más cercaa El tempo que u pasajero verte esperado e u puto de revsó de u aeropuerto es ua varable aleatora co meda de 8. mutos y desvacó estádar de.5 mutos. upoga que se observa ua muestra aleatora de 49 pasajeros. Ecuetre la probabldad de que el tempo de espera promedo e la fla para estos cletes sea a. Meor que 0 mutos b. Etre 5 y 0 mutos c. Meor que 6 mutos Respuestas: a b c e toma ua muestra aleatora de tamaño 6 de ua poblacó ormal que tee ua meda de 75 y ua desvacó estádar de 8. De otra poblacó ormal se toma ua muestra aleatora de tamaño 9; esta poblacó tee ua meda de 70 y ua desvacó estádar de. ea y las medas de cada muestra, respectvamete. Ecuetre a. La probabldad de que b. La probabldad de que sea mayor que cuatro Ua compañía que vede artículos electrócos compara la brllatez de dos tpos dferetes de cescopos para su uso e televsores. El cescopo de tpo A tee ua brllatez promedo de 00 co ua desvacó estádar de 6, metras que el cescopo de tpo B tee ua brllatez promedo descoocda, pero se supoe que la desvacó estádar es la msma que la del cescopo de tpo A. e toma ua muestra aleatora de 5 cescopos de cada tpo y se calcula A B. µ B es gual o mayor que µ A el fabrcate adoptará el cescopo de tpo B para utlzarlo e los televsores que fabrca. La dfereca observada es 3.5. Qué decsó tomará el fabrcate y por qué? A La elastcdad de u polímero es afectada por la cocetracó de u reactvo. Cuado se utlza ua cocetracó baja, la elastcdad promedo verdadera es 55, metras que cuado se emplea ua cocetracó alta, la elastcdad promedo es 60. La desvacó estádar de la elastcdad es 4, s mportar cuál sea la cocetracó. se toma dos muestras aleatoras de tamalo 6, ecuetre la probabldad de que alta baja > Ejerccos par TCL y dstrbucó de dferecas 5 B. Verfque la sguete fórmula de cálculo del valor de la varaza de ua muestra: x ( x ( 5.,,..., so varables aleatoras depedetes que tee dstrbucoes de Beroull détcas co el parámetro,etoces es la proporcó de acertos e esayos, que represetamos como ˆ. Verfque que E( ˆ, Var( ˆ ( 8 La que sgue es ua codcó sufcete para el teorema de límte cetral: s las varables aleatoras, 5 Estadístca Matemátca co Aplcacoes. Joh E. Freud y Roald E. Walpole. Pretce Hall Hspaoamercaa.A., pága 87-89

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

Análisis de la Varianza

Análisis de la Varianza Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística.

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística. TEMA 5. Muestreo y dstrbucoes e el muestreo Nuestro objetvo fudametal es saber qué modelo va a segur la poblacó, y para ello haremos uso de la formacó que obtegamos de ua parte de esa poblacó llamada muestra.

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

RAMO: ESTADÍSTICA II UNIDAD I MUESTREO Y DISTRIBUCIONES MUESTRALES

RAMO: ESTADÍSTICA II UNIDAD I MUESTREO Y DISTRIBUCIONES MUESTRALES RAMO: ESTADÍSTICA II UNIDAD I MUESTREO Y DISTRIBUCIONES MUESTRALES CLASE. MUESTRA ALEATORIA E estadístca, el cocepto de muestra aleatora, debe quedar claro desde el comezo del estudo, pues es la base del

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL 3. CARACTERISTICAS NUMERICAS DE UNA VARIABLE S tratamos de represetar uestras edades medate u polígoo de frecuecas, y os ubcamos e el tempo: hace 0 años, hoy

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado

Más detalles

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

TEMA 9. Contrastes no paramétricos y bondad de ajuste

TEMA 9. Contrastes no paramétricos y bondad de ajuste TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

Más detalles

FUNCIONES ALEATORIAS

FUNCIONES ALEATORIAS Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva. Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

Más detalles