14/01/2019

Descripción de la Unidad de Aprendizaje

Estadística Inferencial se la considera como el suministro de un conjunto de
herramientas sumamente útiles en la investigación, su conocimiento permite al

Estadística Inferencial
investigador usar métodos para reunir, organizar, resumir, analizar datos,
interpretar y analizar los resultados obtenidos en la investigación, así como

Milton Fernando Cabezas Guerrero para obtener conclusiones válidas y tomar decisiones razonables, a base de
tales análisis.
Ing. Agr. Ph.D. La Estadística Inferencial interviene en la investigación y en el método
científico, a través de la experimentación y observaciones experimentales. Es
parte integrante del método científico.

Objetivo General
Aplicar los elementos fundamentales de la probabilidad y estadística, así
como técnicas numéricas para la solución de problemas

UNIDADES Distribuciones
de probabilidad
1. Distribuciones de probabilidad Distribuciones Distribuciones
1.1. Que es una distribución de probabilidad? discretas continuas
1.2. Variables aleatorias Distribución Distribución
1.3. Valor esperado en toma de decisiones binomial normal
1.4. Distribución binomial Distribución de Distribución
1.5. Distribución de Poisson poisson exponencial
1.6. Distribución normal Distribución Distribución
1.7. Distribución de variable aleatoria continua hipergeométrica uniforme
1.8. Selección de distribución de probabilidad Distribución
Distribución
correcta. geométrica lognormal
Distribución
logística
Distribución
Weibull

1
 14/01/2019

Probabilidades de tapas plásticas con

Requisitos de una distribución de probabilidad
1.1. Que es una defectos de una muestra de 12,
considerando que el 20% de la población

distribución de viene com defectos

1. Σ " # = 1 donde # asume todos los valores posibles. La

x P(x)
probabilidad? 0 0,000000004 suma de todas las probabilidades debe ser 1.
1 0,000000197
2 0,000004325 2. 0 ≤ " # ≤ 1 para cada valor individual de #. Cada valor de
3 0,000057672 probabilidad debe ubicarse entre 0 y 1.
Distribución que indica la
4 0,000519045
probabilidad de cada valor
5 0,003321889
de la variable aleatoria. A
6 0,015502148
menudo se expresa como 7 0,053150220
gráfica, tabla o fórmula. 8 0,132875551
9 0,236223201
10 0,283467842
11 0,206158430
12 0,068719477

Probabilidades de tapas plásticas con defectos de una muestra de 12,

considerando que el 20% de la población viene con defectos
1.2 Variables aleatorias
x P(x) Variable cuyo valor numérico es el resultado de
0 0,000000004 0.3 un evento aleatorio
1 0,000000197
2 0,000004325 Variable aleatoria discreta: es aquella que solo puede
0.2
3 0,000057672
tomar un número finito o infinito de valores. Ejemplo:
4 0,000519045
5 0,003321889 0.1
número de estudiantes, pétalos por flor, lanzamiento
6 0,015502148 de dados.
7 0,053150220 0.0
Variable aleatoria continua: es la variable que puede
8 0,132875551 1 2 3 4 5 6 7 8 9 10 11 12 13 tomar cualquier valor en una escala continua.
9 0,236223201
Ejemplo: estaturas, pesos, cantidad de líquido
10 0,283467842
11 0,206158430
! X = $% contenido en un recipiente, voltaje, presión.
12 0,068719477

2
 14/01/2019

1.3. Valor esperado en toma de

Distribución de probabilidad para el experimento de lanzar un dado
decisiones
(") P (") (") % P (") (" − ')2 % P (")
La media de una variable aleatoria discreta es el resultado
medio teórico de un número infinito de ensayos. 1 1/6 1/6 (1-3.5)2 % 1/6 = 1.042
2 1/6 2/6 (2-3.5)2 % 1/6 = 0.375
Media = Valor Esperado 3 1/6 3/6 (3-3.5)2 % 1/6 = 0.042
4 1/6 4/6 (4-3.5)2 % 1/6 = 0.042
Esperanza o Esperanza matemática
5 1/6 5/6 (5-3.5)2 % 1/6 = 0.375
6 1/6 6/6 (6-3.5)2 % 1/6 = 1.042
! = # = Σ[(' ( P (')]
1.00 3.5 = ' = E (") 2.92 = + ,

+ , = Σ[(' − !)2 ( P (')]

1.4. Distribución binomial

En una distribución binomial cada ensayo termina en sólo uno de dos Formula:
resultados mutuamente excluyentes, uno de los cuales se identifica
como éxito y el otro como fracaso. La probabilidad de cada resultado $!
permanece constante de un ensayo al siguiente ! " = ' () ' *+,)
$ − " ! "!
! ~ Bin &, (
Requisitos: n = número de ensayos
1. El procedimiento tiene un número fijo de ensayos x = número de éxitos en n ensayos
2. Los ensayos deben ser independientes. (El resultado de cualquier p = probabilidad de éxito en cualquier ensayo
ensayo individual no afecta las probabilidades de los demás q = probabilidad de fracaso en cualquier ensayo (q = 1 – p)
ensayos)
3. Todos los resultados de cada ensayo deben estar clasificados en
dos categorías (generalmente llamada de éxito y fracaso)
4. La probabilidad de un éxito permanece igual en todos los ensayos

3
 14/01/2019

Media, varianza y desviación 1.5. Distribución de Poisson

distribución binomial Distribución de probabilidad discreta que se aplica a las ocurrencias
de algún suceso durante un intervalo específico de tiempo o espacio
! = #$
Requisitos:
% & = #$' 1. La variable aleatoria x es el número de veces que ocurre un
suceso durante un intervalo.
2. Las ocurrencias deben ser aleatorias.
% = #$'
3. Las ocurrencias deben ser independientes entre sí.
4. Las ocurrencias deben estar uniformemente distribuidas dentro
del intervalo empleado.

Formula:
$% & ' ()
! " =
"!
x = número de veces que ocurre el evento
µ = número promedio de ocurrencias por unidad de tiempo
e = 2.71828 base logaritmo natural

Parámetros de la distribución de Poisson

La media es $
La desviación estándar es : = ;