ESTADISTICA GENERAL

PRINCIPALES DISTRIBUCIONES CONTINUAS PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Gonzales Profesor: Celso Gonzales

OBJETIVOS
Describir las caractersticas de las distribuciones de probabilidad : Normal, Ji-cuadrado, t de student y F de snedecor. Calcular las probabilidades de las distribuciones de probabilidad: Normal, Ji-cuadrado, t de student y F de snedecor, utilizando tablas de estas distribuciones. Definir y elaborar una distribucin de muestreo de medias muestrales. Explicar el teorema del limite central

INTRODUCCIN

DISTRIBUCIONES CONTINUAS IMPORTANTES DISTRIBUCIN NORMAL O DE GAUSS

Aparece de manera natural: Errores de medida,Contenido neto, Dimetros, longitud,.. Distribuciones binomiales con n grande (n>30) y p ni pequeo (np>5) ni grande (nq>5). Est caracterizada por dos parmetros: La media, , y la desviacin estandar, . Su funcin de densidad es:

1 f ( x) = e 2

1 x 2

N(, ): Interpretacin geomtrica

N(, ): Interpretacin probabilista

Entre la media y una desviacin estndar a tenemos siempre la misma probabilidad: aprox. 68% Entre la media y dos desviaciones estndar aprox. 95%

CARACTERSTICAS Es de forma acampanada. Es simtrica, mesocrtica y unimodal. Es asinttica Los puntos de inflexin de la funcin de densidad estn a distancia de . Si tomamos intervalos centrados en , y cuyos extremos estn a distancia , tenemos probabilidad 68% a distancia 2 , tenemos probabilidad 95% a distancia 25 tenemos probabilidad 99%

DISTRIBUCIN NORMAL ESTANDAR

Todas las distribuciones normales N(, ), pueden ponerse mediante una traslacin , y un cambio de escala , como N(0,1). Esta distribucin especial se llama normal estndar. Es decir:

z=

USO DE LA TABLA

Ejemplos
1. Una lmpara tiene intensidad luminosa segn una distribucin normal de media 3000 candelas y desviacin estndar 50 candelas. Encuentre el limite inferior de especificacin para que solo el 0,5 % de las lmparas estn por debajo de dicho limite. Una caracterstica de calidad de un proceso de manufactura que se mide est distribuida normalmente con media 40 y desviacin estndar de 13 y los lmites de especificacin son 41 5. Suponiendo que se puede retrabajar un articulo que excede el lmite superior de especificacin y que se debe rechazar tal artculo si est por debajo del lmite inferior de especificacin, que porcentaje de artculos para retrabajo y rechazo origina el proceso?

2.

DISTRIBUCION DE LA MEDIA MUESTRAL

Objetivos: Al finalizar esta unidad el estudiante ser capaz: Definir y elaborar una distribucin de muestreo para la media de la muestra. Explicar el teorema del limite central. Definir y elaborar una distribucin de muestreo para la diferencia medias muestrales. Definir y elaborar una distribucin de muestreo para la proporcin muestral.

MUESTREO Proceso que nos permite la extraccin de una muestra a partir de una poblacin. Hay dos tipos bsicos de muestreo: Muestreo Probabilistico Muestreo No probabilistico. VALOR ESTADISTICO: Es cualquier cantidad cuyo valor se puede calcular a partir de datos muestrales. MUESTRA ALEATORIA Las variables aleatorias X1, ..Xn forman una muestra aleatoria si: 1. independientes. 2. Xi tiene la misma distribucin de probabilidad

DISTRIBUCION DE LA MEDIA MUESTRAL Distribucin de probabilidad de todas las medias posibles de un Distribucin de probabilidad de todas las medias posibles de un tamao muestra dado. tamao muestra dado.
Muestreo Con reemplazo Sin reemplazo Media Varianza
x2 =
=
2 x

Error estndar
x =
x =

x = x =

2
n
2 N n
n N 1

2
n

2 N n
n N 1

Z=

xE x

() v ( x)

EJEMPLO Distribucin muestral de la media.

200

Distribucin de la poblacin (dist. Normal): N =3600 Media=100 Varianza=225 Desv.estndar=15

Freecuencias

100

0 50 100 150

m ediciones

EJEMPLO Distribucin muestral de la media.

Muestras 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Promedio 109.15 94.27 101.59 99.86 103.86 92.34 108.54 95.16 104.07 103.60 92.41 97.18 98.40 101.36 98.63 98.24 102.89 97.90 100.33 97.08

8 7 6

Frequency

5 4 3 2 1 0 90 95 100 105 110

Distribucin muestral de la media: Tamao de muestra=10 Media=100 (Varianza=22,4375) Error estandar = 22.4375 = 4.74

m uestral m

EJEMPLO Un equipo de empacado de un proceso de fabricacin rellena cajas de cereal de 368 g. de tal forma que la cantidad de cereal por caja tiene una distribucin normal con una media de 368 g. y una desviacin estndar de 15 g. Si se selecciona una muestra de 16 cajas de las miles que se rellenan cada da y se calcula el peso promedio, cul es la probabilidad que est entre 365 g. y 368 g.?

EJEMPLO La duracin en horas de un electrodomstico comprado a la empresa A, es una variable aleatoria N (1200, A ) . El 95% de los electrodomsticos duran entre 1180 y 1220 horas. Si se extraen 200 m.a.s de 7 electrodomsticos cada una: a.Calcular la desviacin electrodomsticos? estndar de la duracin de

b.cul es la media, error estndar de la distribucin de la media muestral? c.Qu probabilidad existe de que la media muestral supere las 1200 horas? d. Cuntas muestras superan las 1200 horas?

TEOREMA DEL LMITE CENTRAL

Dada una v.a. cualquiera, si extraemos muestras tamao n, y calculamos los promedios muestrales, entonces: dichos promedios tienen distribucin aproximadamente normal;

de

Las aproximaciones anteriores se hacen exactas cuando n tiende a infinito. Este teorema justifica la importancia de la distribucin normal.

EJEMPLO Sea X una variable aleatoria que representa el contenido real en onzas de una lata de caf de 1 lb. La distribucin de probabilidad de x es:
f ( x) = 1 1,5 =0 15,5 x 17 para otros valores

A.Si se toman muestras aleatorias de 36 latas de caf y se mide el contenido real promedio. B.Hallar la media y error estndar de la distribucin de la media muestral. C.Si se toma una muestra aleatoria de 36 latas, calcular la probabilidad de que el contenido promedio de caf en la muestra contenga menos de 16 onzas?

DISTRIBUCION DE UNA DIFERENCIA DE MEDIAS MUESTRALES

(x x ) ( ) z=
1 2 1 2

2 1

n1

2 2

n2

EJEMPLO
Un proceso envasa conservas con dos maquinas (A y B). Los pesos de las conservas envasados tanto por la maquina A y B siguen una distribucin normal. La Maquina A envasa conservas con peso medio de 970 g y una varianza de 144 g2, mientras que la maquina B los envasa con un peso medio de 980 g y una varianza de 256 g2 a. Si se eligen aleoriamente 36 conservas de cada maquina, Cul es la probabilidad de que exactamente uno de ellos tenga un peso promedio muestral mayor de 965 g.? b. Si se eligen 32 artculos por la mquina A y 48 artculos producidos por la mquina B. Hallar la probabilidad de que el peso promedio miuestral de B sea mayor que el promedio muestral de la maquina A en por lo menos 8 g?

DISTRIBUCIN DE LA PROPORCIN MUESTRAL.

Distribucin de probabilidad de todas las proporciones posibles de un tamao Distribucin de probabilidad de todas las proporciones posibles de un tamao muestra dado. muestra dado.

Muestreo

Media

Varianza
2 p =

Error estndar

Con reemplazo

p =
p =

(1 )
n
n

p =

(1 )
n
(1 ) N n
n N 1

2 p =

(1 ) N n

Sin reemplazo

= N 1 p

A: Muestreo con reemplazo

P: proporcin de xitos en la muestra

n np n np f ( p ) = ( ) (1 ) np

B: Muestreo sin reemplazo

P: proporcin de xitos en la muestra

A B np n np g ( p) = N n

Aproximacin a la Distribucin normal

p Z= (1 ) n

EJEMPLO Cada media hora se saca una muestra aleatoria de 100 unidades de un proceso de produccin. La proporcin de productos no conforme fabricado es 0,03. Cul es la probabilidad de que p( proporcin muestral de productos no conformes) es a lo mas 4 % ? Si la muestra que se saca cada media hora es de tamao 10 cul sera la distribucin exacta de la proporcin muestral de productos no conformes?. As mismo: a media, error estndar y coeficiente de variacin de la proporcin muestral de productos no conformes.

CHI CUADRADO
Tiene un slo parmetro denominado grados de libertad. La funcin de densidad es asimtrica positiva. El rango de la variable considera slo los valores positivos. La funcin de densidad se hace ms simtrica incluso casi gausiana cuando aumenta el nmero de grados de libertad. Normalmente consideraremos anmalos aquellos valores de la variable de la cola de la derecha. Si X (2m) , entonces: E(X) =m V(X)= 2m

USO DE LA TABLA
GL 1 2 3 10 11 0,010 0,000 0,020 0,115 2,558 3,053 0,020 0,001 0,040 0,185 3,059 3,609 0,025 0,001 0,103 0,216 3,247 3,816 0,980 5,412 7,824 9,837 21,161 22,618 0,990 6,635 9,210 11,345 23,209 24,725

P(Y<3,247)=0.025 P(Y<9,837)=0.980

DISTRIBUCION DE LA VARIABLE ALEATORIA S2

Sea X1,,Xn una muestra aleatoria de una distribucin normal con media y desviacin estandar , entonces la v.a:

n 1) s 2 (

(2n 1)

T DE STUDENT Tiene un parmetro denominado grados de libertad. Cuando aumentan los grados de libertad, ms se acerca a N(0,1). Es simtrica con respecto al cero. Se consideran valores anmalos los que se alejan de cero (positivos o negativos). Si Xt(m), entonces: E(X)=0 y
V (X ) = m m2

TEOREMA Si las v.as ZN(0,1) y V 2(m) entonces la v.a X son independientes,

Z X= t( m ) V m

USO DE LA TABLA
GL 1 2 3 10 11 0.005 -63.657 -9.925 -5.841 -3.169 -3.106 0.01 -31.821 -6.965 -4.541 -2.764 -2.718 0.025 -12.706 -4.303 -3.182 -2.228 -2.201 0.8 1.376 1.061 0.978 0.879 0.876 0.9 3.078 1.886 1.638 1.372 1.363

P(t10<-2.228)=0.025 P(t3<0.978)=0.8

DISTRIBUCION DE LA MEDIA MUESTRAL X Sea X1,,Xn una muestra aleatoria de una distribucin normal con media y desviacin estandar , entonces la v.a:

(X ) t Y=
S n

( n 1)

F DE SNEDECOR

Tiene dos parmetros denominados grados de libertad. Slo toma valores positivos. Es asimtrica.

Es asinttica respecto al eje horizontal en su parte positiva. Normalmente se consideran valores anmalos los de la cola de la derecha. Las distribuciones F(n,m) tienden a ser simtricas cuando n y m son suficientes grandes.

USO DE LA TABLA
G.L del Numerador

GLD 1 .. 7 .. 11

..

6 234,0 5858,9 3,87 7,19 3,09 5,07

7 236,8 5928,3 3,79 6,99 3,01 4,89

..

19 247,7 6200 3,45 6,18 2,56 3,88

20 248,0 6208,7 3,45 6,16 2,54 3,86

P(F<6,99)=0.99 P(F<3,45)=0.95

DISTRIBUCION DE LA RAZON DE VARIANZAS MUESTRALES

S12 2 S2

Sea X1,,Xn una m.a de una distribucin normal con varianza 21,y Y1,,Yn otra m.a( independiente de las Xi) de una distribucin normal con varianza 22 entonces la v.a:

S S

2 1 2 2

2 1 2 2

F( n 1,m 1)