UNEFA Ncleo Falcn- Extensin Punto fijo

Inscrito en el Ministerio del Poder Popular para la Defensa

Programa de Ingeniera Petroqumica 3 Semestre Diurno A
Probabilidad y Estadstica. Profesora Eucaris Castellano

INTEGRANTES:
Barreno, Ismayelitz Cerrada, Daphne
Esteban, Gabriel Lpez, Marcia
Primera, Maireth Zavala, Danilo
 Variable Discreta:
Aquella que no admite valores intermedios
entre 2 valores observables de la misma.

Variable Continua:
Admite valores intermedios entre sus
diferentes valores Observables

Poblacin:
Elementos escogidos para el estudio de sus
caractersticas.
 Muestra:
Porcin representativa simplificada de la Poblacin

Error Muestral:
Aquel cometido por tomar la muestra como idntica a la
poblacin en cuanto a sus caractersticas.

Muestreo:
Herramienta cientfica dirigida a la recoleccin de
muestras representativas.
 Concepto

Importancia

Propiedades
 Propsito:
 Variacin entre Muestra y Poblacin

Error Muestral:
El error muestral se refiere a la variacin natural
existente entre muestras tomadas de la misma
poblacin.

Error no Muestral:
Surge y se origina al tomar las muestras, depende
del mtodo de recoleccin de muestras.
Pueden ser clasificados en:
Muestreo No Aleatorio

Muestreo Aleatorio
 El Muestreo Aleatorio puede ser:
Simple:
Los Elementos tienen la misma Probabilidad de
ser seleccionados en Muestra

Ejemplo:
Extraer una muestra de 3
pelotas del Recipiente
 El Muestreo Aleatorio puede ser:
Estratificado:
Divide la Poblacin en Estratos Independientes
 El Muestreo Aleatorio puede ser:
Sistemtico
Muestra seleccionada con patrones Aleatorios ,
extrayendo 1 elemento por vez

Es un mtodo sencillo y ms potente que el simple

cuando el orden influye en la Probabilidad
 El Muestreo Aleatorio puede ser:
Polietpico
Divide la poblacin en Conglomerados y rene los
necesarios para obtener la muestra
 Distribuciones de Variable Discreta:
Definidas sobre un dominio finito.

La distribucin de Bernoulli

La distribucin Binomial
 Distribuciones de Variable Discreta:
Definidas sobre un dominio finito.

La distribucin de Poisson

La distribucin Hipergeomtrica
 Distribuciones de Variable Discreta:

Definidas sobre un dominio infinito.

La distribucin de Pascal
La distribucin Geomtrica
La distribucin de Poisson
 Distribuciones de Variable Continua:

Distribuciones definidas en un intervalo

acotado.

La distribucin beta
La distribucin triangular
La distribucin uniforme continua
 Distribuciones de Variable Continua:

Definidas en un intervalo semi-infinito,

usualmente [0,).

La distribucin
La distribucin exponencial
La distribucin gamma
 Distribuciones de Variable Continua:

Definidas en la Recta Real Completa.

La distribucin de Cauchy
La distribucin de Laplace
La distribucin normal
La distribucin t de Student
 Funcin de Densidad:

Media (Esperanza):

Varianza (n-1>3):
 Grfica:

Nota: Se aproxima a la normal estndar a medida que k se hace

infinito [k= (n-1)]
 Prueba de T-Student:
La prueba de t de Student permite saber si una muestra es
homognea o heterognea. Su uso mas frecuente es determinar la
significancia de la diferencia estadistica entre 2 medias muestrales.

La forma ms fcil de determinar su valor es dividiendo la media entre

el error estndar, mediante la siguiente frmula:

Donde el valor estndar se calcula de la siguiente forma para una

muestra n:

, si es discreta y si en continua:
 nn 1
x1 x2
n 2 x1 n 2 x2
2
2

1 n
2 n

Prueba de T-Student:
T cuando las muestras n1=n2 (mismo #observaciones) es dada por:

T cuando n1 n2 es dada por:

Entonces se procede a comparar la t obtenida con la tabla de valores

ideales de t, establecidas para un GL determinado y obtener as la
significancia estadistica de la diferencia entre ambas muestras.
 nn 1
x1 x2
n 2 x1 n 2 x2
2
2

1 n
2 n

Problema Prctico: Si comparamos las notas de los

estudiantes de dos escuelas secundarias, las cuales son:
Alumno Liceo A (x1) x,2 Liceo B (x2) x22
1 14 196 7 49
2 13 169 18 324
3 15 225 19 361
4 16 256 10 100
5 14 196 12 144
6 18 324 20 400
7 16 256 9 81
8 15 225 13 169
9 19 361 10 100
10 14 196 20 400
11 16 256 18 324
12 17 289 10 100
13 15 225 20 400
14 18 324 8 64
Total 220 3498 194 3016
Media 15.71 13.86
 nn 1
x1 x2
n 2 x1 n 2 x2
2
2

1 n
2 n

Problema Prctico: Si comparamos las notas de los

estudiantes de dos escuelas secundarias, las cuales son:

Se obtiene

Calculando grados de Libertad: k= 2n 2= (2*14) -2= 26

Buscamos en la Tabla t-student, los valores de la P(x) para GL=26 y

t=1.2298. La probabilidad mas pequea P5% tiene una t= 2.056,
mayor a la obtenida, lo que indica una probabilidad inferior a la
minima considerable de que la diferencia estadistica entre ambos
promedios sea significativa.
:

Funcin de Densidad:

Media (Esperanza):
GL

Varianza:
 Grfica:

Nota: Se aproxima a la normal estndar a medida que k se hace

infinito [k= (n-1)]
 Prueba de Pearson:
La prueba consiste en comparar los valores observados en la
investigacin con aquellos esperados que deberan ocurrir. Tambin
sirve para determinar si hay dependencia entre dos grupos de
variables observadas.

La forma ms fcil de determinar su valor es dividiendo la media entre

el error estndar, mediante la siguiente frmula:

,donde O: Valor Observado y E: Valor Esperado

Este valor de 2 calculado a partir de nuestros datos se compara con el

valor de 2 en una tabla de valores predeterminados. Si el valor de 2
es menor al de la tabla, entonces O=E
 nn 1
x1 x2
n 2 x1 n 2 x2
2
2

1 n
2 n

Problema Prctico: Si tenemos un grupo de 8 nios en un

concurso y deseamos saber si conforman la edad en la que
deberan tericamente estar, para evitar que sean mayores o
menores a la dificultad del concurso, podemos usar Pearson:

Edad observada: 5, 7, 7, 8, 9, 10, 10 y 11 aos; Edad para entrar al

concurso: 10 aos.
 nn 1
x1 x2
n 2 x1 n 2 x2
2
2

1 n
2 n

Problema Prctico: Si tenemos un grupo de 8 nios en un concurso

y deseamos saber si conforman la edad en la que deberan
tericamente estar, para evitar que sean mayores o menores a la
dificultad del concurso, podemos usar Pearson:

Y se procede a comparar nuestri valor 2 =4.9 en su respectiva tabla. Se

observa que 2 cae ente P.50 = 6.35 y P.25 = 4.25. Por lo que la probabilidad
de que las edades observadas y esperadas sean diferentes apenas supera
el 25%, por lo que ambas son similares estadsticamente.