Documente Academic
Documente Profesional
Documente Cultură
Estadstica
descriptiva.
Estadstica
Inferencial.
Estadstica Descriptiva
Se dedica a la descripcin,
visualizacin y resumen de datos
originados a partir de los
fenmenos de estudio. Los datos
pueden ser resumidos numrica o
grficamente. Ejemplos bsicos
deparmetros estadsticos son:
lamediay ladesviacin estndar.
Algunos ejemplos grficos
son:histograma,pirmide
Estadstica Inferencial
Distribucin de frecuencias
Se le llama as a la agrupacin de datos
en categoras mutuamente excluyentes
que indican el nmero de observaciones
en cada categora.1Esto proporciona un
valor aadido a la agrupacin de datos. La
distribucin de frecuencias presenta las
observaciones clasificadas de modo que
se pueda ver el nmero existente en cada
clase. Estas agrupaciones de datos suelen
estar agrupadas en forma de tablas.
4.
5.
6.
viceversa.
Determinar el rango de la serie de datos, R
R= Xn X1
Encontrar el nmero de clases o intervalos
de clases K, segn la frmula de Sturges:
K = 1 + 3.322(log N)
Determinar la amplitud de la clase C
C = R/K
Hacer la tabla
Grficar
Medidas de ms empleo en el
anlisis estadstico:
Medidas de tendencia
central.
Medidas de dispersin.
Medidas de agudez y
asimetra
Medidas de dispersin
Llamadas tambin medidas de
variabilidad, muestran la
variabilidad de una distribucin,
indicando por medio de un
nmero, si las diferentes
puntuaciones de una variable
estn alejadas de la media.
Medidas de asimetra
Son indicadores que permiten
establecer elgrado de simetra(o
asimetra) que presenta
unadistribucin de probabilidad de
unavariable aleatoriasin tener que
hacer su representacin grfica.
Regresin y correlacin
Probabilidad
Es la posibilidad de que ocurra
determinado evento, y sirve para
tomar decisiones en una situacin
de incertidumbre.
Espacio Muestral
Es el conjunto de todos
los resultados posibles
de un experimento
estadstico y se le
representa por el
smbolo S.
Ejemplo:
Probabilidad de un evento
La probabilidad de un evento A es la
Teorema
Si un experimento puede tener
cualquiera de N resultados
diferentes igualmente factibles, y si
exactamente n de estos resultados
corresponden al evento A, entonces
la probabilidad de este ltimo es:
P (A) = n/N
Reglas aditivas
A veces es ms fcil calcular la probabilidad
de algn evento a partir de otros, s el evento
en cuestin puede representarse como la
unin o complemento de otro evento.
S A y B son dos eventos cualquiera,
entonces
P(A B) = P(A) + P(B) P(A B )
S A y B so mutuamente excluyentes,
entonces
P ( A B ) = P (A ) + P ( B ) ,
De igual forma si hubiese ms de dos eventos
Para 3 eventos A, B y C
P ( A B C ) =
P(A) + P (B) + P ( C ) P (A B ) P
(A C ) P (B C) + P (A B
C )
Eventos complementarios
S A y A` son eventos
complementarios entonces
P (A) + P(A`) = 1
Probabilidad condicional
Sea A la probabilidad de que un evento
Espacio
muestral
RR
RN
NR
NN
y
2
1
1
0
S un espacio muestral
contiene un nmero
infinito de posibilidades
igual al nmero de
puntos en un segmento
de lnea, se le llama
espacio muestral
defectuosos
El nmero de accidentes por
ao en una va rpida
El nmero de huevos que pone
una gallina.
Distribuciones discretas de
probabilidad
El conjunto de pares ordenados (x, f(x))
es una funcin de probabilidad, funcin
masa de probabilidad o distribucin de
probabilidad de la variable aleatoria
discreta X si, para cada resultado posible
x:
1. f(x) 0
f(x) = 1
3. P(X = x ) = f(x)
Ejemplo:
Un embarque de 8
microcomputadoras similares que
se enva a un distribuidor contiene
3 aparatos defectuosos. Si una
escuela realiza un compra aleatoria
de 2 computadoras, encuentre la
distribucin de probabilidad para el
nmero de microcomputadoras
defectuosas.
Distribuciones continuas de
probabilidad
La funcin f(x) es una funcin de
xR
f(x) dx = 1, donde Linf =-
Lsup = +
3. P(a x b ) = f(x) dx, Linf = a,
Distribuciones empricas
Las utilizamos cuando no
Ejemplo:
Distribuciones de probabilidad
conjunta
Para variable discreta
La funcin f(x, y) es una distribucin
Esperanza Matemtica
Llamada tambin media de la
distribucin de probabilidad de X, o
valor esperado.
Def. Sea una variable aleatoria con
distribucin de probabilidad f(x). La
media o valor esperado de X es:
= E (X) = x f(x) , s X es discreta,
y
= E (X) = x f(x), s X es continua.
Teorema
Sea X una variable aleatoria con
Esperanza matemtica de un
distribucin de probabilidad conjunta
Sean X y Y variables aleatorias con distribucin de
g(X,Y) = E [g(X,Y)] =
Variancia y Covariancia
Sea X una variable aleatoria con
distribucin de
probabilidad f (X) y media . La
variancia de X es:
2 = E [ ( X - )2 ]= ( X - )2 f(x) ,
s X es discreta, y
2 = E [ ( X - )2 ] = ( X - )2 f(x)
dx s X es continua.
Nota: la raz cuadrada positiva de la
Teorema
Sea X una variable aleatoria con
distribucin de probabilidad f(x). La
variancia de la variable aleatoria
g(X) est dada por:
2g(X) = E [ ( g(X) - g(x) )2 ]= (g(X) g(x) )2 f(x) ,
s X es discreta, y
g(X)
Distribucin binomial y
multinomial
Frecuentemente un experimento
Distribucin binomial
Un experimento de Bernoulli puede
resultar en un xito con una
probabilidad p y un fracaso con una
probabilidad de q 1 . Entonces la
distribucin de probabilidad de la
variable aleatoria binomial X, el
nmero de xitos en n
experimentos independientes, es:
Experimentos multinomiales
El experimento binomial
se convierte en un
experimento multinomial
si cada intento tiene ms
de 2 resultados posibles.
Distribucin multinomial
S un intento determinado puede
resultar en cualquiera de los k
resultados E1 , E2 , , Ek con
probabilidades p1, p2, , pk ,
entonces la distribucin de
probabilidad X1, X2,, Xk , que
representan el nmero de
ocurrencias para E1 , E2 , , Ek en n
intentos independientes es:
Definicin: