Esta Di Stica Pura
-
Upload
cristiancortes28 -
Category
Documents
-
view
219 -
download
0
Transcript of Esta Di Stica Pura
-
7/24/2019 Esta Di Stica Pura
1/82
1
1.Qu es la estadstica?
La estadstica es un mtodocientfico de anlisis que seutiliza en las ciencias sociales.
El objetivo principal de laestadstica es utilizar unamuestra de datos para inferir
caractersticas de toda lapoblacin.
Para realizar tal tipo de
inferencia es necesario contarcon una muestra representativade la poblacin bajo anlisis.
-
7/24/2019 Esta Di Stica Pura
2/82
2
2.Objetivos del curso.
Cmo seleccionar una muestrarepresentativa?
Caracterizacin de los datosmuestrales en unos pocosnmeros llamados "estadsticos
muestrales".
Uso de los "estadsticos muestrales"
para hacer inferencias acerca de lapoblacin.
-
7/24/2019 Esta Di Stica Pura
3/82
3
Cmo elegir una muestra
representativa?
MuestraAleatoria
Muestra noAleatoria
Muestra AleatoriaEstratificada
Muestreo
Sistemtico
Muestreo Aleatorio Simple
Con Reemplazo Sin Reemplazo
-
7/24/2019 Esta Di Stica Pura
4/82
4
Construccin de los "Estadsticos
Muestrales"
X es una variable
discreta
X es una variable
contnua
Tablas defrecuencias ydistribucin defrecuencias
Tablas defrecuencias ydistribucin defrecuencias(histograma)
-
7/24/2019 Esta Di Stica Pura
5/82
5
Tablas defrecuencias y
distribucin defrecuencias
Medicin de latendencia
central en unadistribucin
Medicin de lavariacin en una
distribucin
Modo Media Mediana
Rango y RangoIntercuartil
Varianza yDesviacin
-
7/24/2019 Esta Di Stica Pura
6/82
6
Hay dos mtodos bsicos paraseleccionar datos desde unapoblacin.
1. Muestra Aleatoria: Cada
elemento de la poblacin tienela misma chance de serseleccionado.
2.
Muestra No Aleatoria:Algunos elementos de lapoblacin tienen mayor chancede ser seleccionados.
-
7/24/2019 Esta Di Stica Pura
7/82
7
Muestra Aleatoria Simple:Seleccin de N elementos de unapoblacin de forma tal quecualquier posible combinacin deN elementos de esa poblacin
tiene la misma probabilidad deser seleccionada.
Muestra Aleatoria Simple sin
reemplazo: Cuando cadaelemento seleccionado para lamuestra no se devuelve a lapoblacin para su posible re-
seleccin.
-
7/24/2019 Esta Di Stica Pura
8/82
8
Muestra Aleatoria Simple conreemplazo: Cuando cadaelemento seleccionado para lamuestra se devuelve a la
poblacin para su posible re-seleccin.
Muestreo Sistemtico: Los
elementos de la poblacin seordenan en una secuenciaaleatoria y se selecciona cada n-simo elemento de la secuencia.
-
7/24/2019 Esta Di Stica Pura
9/82
9
Muestreo AleatorioEstratificado: Se divide a lapoblacin en subgrupos y en cadauno de estos subgrupos serealiza un muestreo aleatorio
simple.
-
7/24/2019 Esta Di Stica Pura
10/82
10
Tablas y Grficos de Frecuencia
Suponga que un consultor quierecaracterizar la asistencia altrabajo de los empleados de una
compaa financiera. Para elloobtiene una muestra aleatoria de20 empleados en el ao 1998.Hagamos que X represente el
nmero de das que un empleadoestuvo ausente durante 1998.Para los 20 empleados (ordenadosalfabticamente) los das de
ausencia son:
-
7/24/2019 Esta Di Stica Pura
11/82
11
X = 6, 4, 4, 6, 0, 4, 3, 6, 1, 3, 8, 3,6, 0, 1, 6, 11, 5, 10, 8.
X se denomina una variablealeatoria discreta.
Una variable aleatoria es aquellavariable que toma valoresdependiendo del resultado de un
experimento.Una variable aleatoria es
discreta cuando solo toma un
nmero contable de valores.
-
7/24/2019 Esta Di Stica Pura
12/82
12
Para resumir los datos de lamuestra podemos construir unatabla con la frecuencia (nmerode empleados por cada da deausencia) y la frecuencia relativa
(nmero de empleados por cadada de ausencia sobre el nmerototal de empleados)
-
7/24/2019 Esta Di Stica Pura
13/82
13
Nmero de
das ausente
Frecuencia Frecuencia
Relativa0 2 2/20=0.101 2 2/20=0.102 0 0/20=0.003 3 3/20=0.15
4 3 3/20=0.155 1 1/20=0.056 5 5/20=0.257 0 0/20=0.008 2 2/20=0.109 0 0/20=0.0010 1 1/20=0.0511 1 1/20=0.05
Total 20 1
-
7/24/2019 Esta Di Stica Pura
14/82
14
Desde esta tabla podemosgraficar la distribucin defrecuencias:
0
1
2
3
4
5
6
EMPLEADOS
0 1 2 3 4 5 6 7 8 9 10 11
-
7/24/2019 Esta Di Stica Pura
15/82
15
Si la variable aleatoria fueracontnua, es decir que adoptacualquier valor en un intervaloreal, ya no podramos hablar de la"frecuencia" para un valor
determinado de X porque nuncaobservaramos el mismo valorexactamente. En este caso lo quepodemos hacer es calcular las
frecuencias dentro de undeterminado intervalo.
-
7/24/2019 Esta Di Stica Pura
16/82
16
Ejemplo: Supongamos quetomamos una muestra aleatoriade 200 personas de la CapitalFederal y registramos su altura,que denotamos con la letra X.
Como X puede tomar cualquiervalor, por ejemplo 1,6543metros de altura, lo que debemoshacer es construir intervalos de
altura y contar el nmero depersonas con alturas includas encada intervalo:
-
7/24/2019 Esta Di Stica Pura
17/82
17
Intervalo Centro Frecuencia FrecuenciaRelativa
1.35-1.45 1.40 4 0.021.45-1.55 1.50 12 0.061.55-1.65 1.60 44 0.221.65-1.75 1.70 64 0.321.75-1.85 1.80 56 0.281.85-1.95 1.90 16 0.081.95-2.05 2.00 4 0.02
Total 200 1.00
Para graficar la distribucin defrecuencias utilizamos unhistograma o grfico de barras.
-
7/24/2019 Esta Di Stica Pura
18/82
18
0
20
40
60
80
FRECUENCIA
1.40 1.50 1.60 1.70 1.80 1.90 2.00
-
7/24/2019 Esta Di Stica Pura
19/82
19
La divisin de los datosordenados por su frecuencia encentcimos se denominaPERCENTIL.
Por ejemplo, una persona de 1.55metros de altura tiene solo 8% degente ms baja que l y por lotanto su altura se dice que es el
octavo percentil de ladistribucin.
Los percentiles que dividen a los
datos en cuatro cuartos tienennombres especiales.
-
7/24/2019 Esta Di Stica Pura
20/82
20
El percentil 25 y el 75 se llamanPRIMER y TERCER CUARTIL(Q1 y Q3). El percentil 50 sedenomina MEDIANA (Q2).
Las frmulas utilizadas paracalcular estas medidas son:
Q1= Ls1+ [(% hasta 25)/(% en 25)]xAQ1
Donde:Ls1 es el lmite superior delintervalo anterior al intervalo quecontiene a Q1.AQ1 es el ancho del intervalo quecontiene a Q1.
-
7/24/2019 Esta Di Stica Pura
21/82
21
Q2= Ls2+ [(% hasta 50)/(% en 50)]xAQ2
Donde:Ls2 es el lmite superior delintervalo anterior al intervalo que
contiene a Q2.AQ2 es el ancho del intervalo quecontiene a Q2.
Ejemplos:
Q1= 1.55 + (17/22)x0.10 = 1.6272
Q2= 1.65 + (20/32)x0.10 = 1.7125
-
7/24/2019 Esta Di Stica Pura
22/82
22
Q3= Ls3+ [(% hasta 75)/(% en 75)]xAQ3
Donde:Ls3 es el lmite superior delintervalo anterior al intervalo quecontiene a Q3.AQ3 es el ancho del intervalo quecontiene a Q3.
CENTRO DE LA DISTRIBUCION
Hay tres formas de definir elcentro de una distribucin:
Modo: El modo de unadistribucin se define como elvalor de mayor frecuencia.
-
7/24/2019 Esta Di Stica Pura
23/82
23
Mediana: La mediana es laobservacin que divide en dospartes iguales a la distribucin.
Media o Promedio: Supongamos
una muestra de N observacionesdenotadas por X1, X2,,XN. Lamedia o promedio se obtienesumando todos los valores y
dividiendo por el tamaomuestral:
=
= N
iiX
NXMedia
1
1:
-
7/24/2019 Esta Di Stica Pura
24/82
24
En caso de tener datos agrupados
en intervalos la media se calculacomo:
Donde:C es el nmero de intervalos y fi
es la frecuencia del intervaloi
.
Cul de las tres medidas delcentro de una distribucin es la
apropiada?
fX iC
i
i
N
XMedia =
=1
1:
-
7/24/2019 Esta Di Stica Pura
25/82
25
VARIACION DE LA DISTRIBUCION
Las medidas de la variacin deuna distribucin son:
Rango: El rango es simplementela distancia entre el mayor y elmenor valor de la muestra.
Rango Intercuartil (IQR): Elrango intercuartil es la distanciaentre el primer y el tercercuartil:
IQR = Q3 - Q1
-
7/24/2019 Esta Di Stica Pura
26/82
26
Desvo medio absoluto (MAD):
Desvo medio cuadrtico (MSD):
Varianza y Desvo Estndar:
=
= N
ii X
NMAD X
1
1
( ) =
= N
ii XX
NMSD
1
21
( ) =
= N
ii XXS
NVarianza
1
22
1
1:
-
7/24/2019 Esta Di Stica Pura
27/82
27
Para datos agrupados enintervalos la definicin semodifica a:
Para compensar el hecho dehaber elevado al cuadrado lasdesviaciones con respecto a la
media se puede tomar la razcuadrada de la varianza:
Ejemplo:
( ) =
= C
iii
fXXSN
Varianza1
22
1
1:
S2S:EstndarDesvo =
-
7/24/2019 Esta Di Stica Pura
28/82
28
DatosX
Desvos DesvosAbsolutos
DesvosCuadrados
10 -30 30 900
20 -20 20 40030 -10 10 10050 10 10 10090 50 50 2500
Suma 0 120 4000
405
200: ==XMedia
245
120 ==MAD
-
7/24/2019 Esta Di Stica Pura
29/82
29
Porque usamos N-1 como divisoren la frmula de la varianza?
800
5
4000 ==MSD
10004
40002 ==S
324
4000 ==S
-
7/24/2019 Esta Di Stica Pura
30/82
30
PROBABILIDAD
Una probabilidad indica laposibilidad de que un eventofuturo ocurra. La probabilidad
vara entre cero y uno, reflejandoel rango de posibilidades desdeimposible (cero) hasta totalmentecierto (uno).
Los elementos bsicos de lateora de las probabilidades sonlos resultados del experimento
bajo estudio. Estos resultados sedenominan EVENTOS.
-
7/24/2019 Esta Di Stica Pura
31/82
31
La coleccin de todos losresultados posibles de unexperimento se denominaESPACIO MUESTRAL.
Ejemplo: Si arrojamos unamoneda al aire la probabilidad deobtener "cara" es 0.50. Estosignifica que existe una
posibilidad del 50% de obteneruna "cara". El espacio muestralest dado por el conjunto {"cara","ceca"} y los eventos (resultados
del experimento de arrojar unamoneda) son "cara" y "ceca".
-
7/24/2019 Esta Di Stica Pura
32/82
32
Cuando asignamos probabilidadesa los resultados de unexperimento, se deben cumplirdos requerimientos:
(a)
La probabilidad asignada acada evento debe estarentre cero y uno.
(b) Las probabilidades de todos
los eventos deben sumar uno.Existen tres formas diferentesde asignar probabilidades a los
eventos de un experimento:
-
7/24/2019 Esta Di Stica Pura
33/82
33
1. Frecuencia Relativa: asignaprobabilidades en base adatos histricos en base aexperimentacin. Este tipo deprobabilidad se define como
el nmero de veces que unevento ocurre dividido elnmero total de veces que sehace el experimento.
2.
Probabilidad Subjetiva: laprobabilidad subjetiva reflejasentimientos u opinionesacerca de la posibilidad de
que un resultado determinadoocurra.
-
7/24/2019 Esta Di Stica Pura
34/82
34
3. Probabilidad Clsica: elmtodo de probabilidadclsica se basa en el supuestode que todos los eventos deun experimento son
igualmente probables. En elcaso ms simple:
PosiblesCasos
FavorableCasosOcurrenciadeadProbabilid =
-
7/24/2019 Esta Di Stica Pura
35/82
35
Definiciones
El COMPLEMENTO de cualquierevento es la coleccin deresultados que no est contenida
en ese evento.Un EVENTO CONJUNTO es unevento que tiene dos o ms
caractersticas.Una lista de eventos esCOLECTIVAMENTE EXHAUSTIVA
si incluye todos los eventos quepueden ocurrir.
-
7/24/2019 Esta Di Stica Pura
36/82
36
Dos eventos son MUTUAMENTEEXCLUSIVOSsi la ocurrencia deuno de ellos impide la ocurrenciadel otro.
Ejemplo:Supongamos que el "experimento"consiste en tener una familia detres hijos. Un resultado tpico de
este experimento sera VMV,esto es tener un varn, luego unamujer y por ltimo otro varn.Cmo podramos encontrar la
probabilidad de este resultado?
-
7/24/2019 Esta Di Stica Pura
37/82
37
V
M
V
M
V
M
V
M
V
M
V
M
V
M
0.50
0.50
0.50
0.50
0.50
0.50
0.50
0.50
0.50
0.50
0.50
0.50
0.50
0.50
Espacio Muestral
VVV
VVM
VMV
VMM
MVV
MVM
MMV
MMM
0.125
0.125
0.125
0.125
0.125
0.125
0.125
0.125
-
7/24/2019 Esta Di Stica Pura
38/82
38
Definamos el evento "E : al menosdos mujeres". Este evento estrepresentado por los siguientes
resultados:
E = {VMM, MVM, MMV, MMM}
Espacio Muestral Probabilidades
VVV 1/8VVM 1/8
VMV 1/8
VMM 1/8
MVV 1/8
MVM 1/8
MMV 1/8
MMM 1/8
-
7/24/2019 Esta Di Stica Pura
39/82
39
En trminos de un diagrama deVenn:
VVVVVM
VMVMVVVMMMVM
MMVMMM
EspacioMuestral
Evento E
-
7/24/2019 Esta Di Stica Pura
40/82
40
Cul es la probabilidad de E?
Pr(E) = 0.125+0.125+0.125+0.125 = 0.500
Es decir que la probabilidad de unevento es la suma de lasprobabilidades de todos losresultados incluidos en ese
evento.Ejemplo:encuentre las probabilidades de
los eventos "G: menos de dosmujeres" y "H: todos los hijos delmismo gnero".
-
7/24/2019 Esta Di Stica Pura
41/82
41
Ahora supongamos que los padresestaran desilucionados situvieran menos de dos mujeres osi fueran todos sus hijos del
mismo gnero. Cul es laprobabilidad de que esto ocurra?
Aqui tenemos un evento conjunto,
es decir, el evento "G H".Para esto definimos a este eventoconjunto como el conjunto deelementos que pertenecen al
evento G al H a ambos.
-
7/24/2019 Esta Di Stica Pura
42/82
42
Es decir:
"G H" = {VVV, VVM, VMV, MVV,MMM}
En trminos de una figura,
VMMMVMMMV
VVMVMV
MVVVVVVVVMMM
EspacioMuestral
Evento H
Evento G
-
7/24/2019 Esta Di Stica Pura
43/82
43
Como tenemos cinco resultadosen el evento conjunto, laprobabilidad del mismo es 5/8.
Los padres estaran doblementedesilucionados si tuvieran menosde dos mujeres y si fueran todossus hijos del mismo gnero. Es
decir que esto es el evento "G yH". Cul es la probabilidad deque esto ocurra?
Del espacio muestral podemos verque solo existe un punto quepertenece tanto a G como a H:
-
7/24/2019 Esta Di Stica Pura
44/82
44
Evento "G y H" = { VVV }
En general definimos,
"G y H" = Todos los puntos que
estan en ambos eventos "G" y "H"Como solo hay un evento en "G yH", su probabilidad es 1/8.
Tambin podemos encontrar laprobabilidad de "G y H"desarrollando una frmula.
-
7/24/2019 Esta Di Stica Pura
45/82
45
Primero consideremos doseventos que no tengan ningnpunto en comn. Por ejemplo,evento "I = { VVV }" y el eventoG.
Como los eventos no sesuperponen, se denominanmutuamente excluyentes, es
decir que si uno ocurre el otro nopuede ocurrir.
-
7/24/2019 Esta Di Stica Pura
46/82
46
En este caso es obvio que laprobabilidad de "I G" es:
Pr(I G) = Pr(I) + Pr(G) = 1/8 + 4/8
= 5/8Esta frmula de simple adicin nosiempre funciona, por ejemplo:
Pr(G H) Pr(G) + Pr(H)
5/8 1/8 + 2/8
-
7/24/2019 Esta Di Stica Pura
47/82
47
En este caso la frmula nofunciona porque al sumar Pr(G) yPr(H) estamos contando dosveces la interseccin. Restandode la frmula Pr(G y H) elimina
este doble conteo.Por lo tanto, la frmula generales:
Pr(G H) =Pr(G) + Pr(H) - Pr(G y H). (*)
En nuestro ejemplo,
5/8 = 4/8 + 2/8 - 1/8
-
7/24/2019 Esta Di Stica Pura
48/82
48
La frmula (*) tambin se aplicaen los casos en que los eventosson mutuamente excluyentesporque en ese caso Pr(I y G) = 0.
Es decir que en el caso especialde eventos mutuamenteexcluyentes:
Pr(I G) = Pr(I) + Pr(G)Por otra parte, en general para elcomplemento de cualquier evento
E, EC
tenemos la siguientefrmula:
-
7/24/2019 Esta Di Stica Pura
49/82
49
Pr(E) + Pr(EC) = 1,
Ya que los puntos en E y en EC
completan el espacio muestral.
Probabilidad Condicional
Es el clculo de la probabilidaddespus de que se conoce una
condicin (evento).Por ejemplo, en el caso de lafamilia de tres hijos supongamos
que se conoce que el evento G haocurrido (menos de dos mujeres).
-
7/24/2019 Esta Di Stica Pura
50/82
50
Cul es la probabilidad de que sehaya producido el evento H?
Esto es, imaginemos que podemosrepetir el "experimento" un gran
nmero de veces y consideremossolo los casos en los que G haocurrido, cun frecuentementeocurrir H?
Esto es lo que se llamaprobabilidad de H condicional a G
y se denota por:
Pr(H | G)
-
7/24/2019 Esta Di Stica Pura
51/82
51
En general,
Pr(H | G) = Pr(H y G)/Pr(G)
,
Pr(H y G) = Pr(H | G) * Pr(G)
Ejemplo.
La siguiente tabla muestra losporcentajes de participacin en lafuerza de trabajo de hombres y
mujeres en USA en 1985.
-
7/24/2019 Esta Di Stica Pura
52/82
52
Hombre MujerEmpleado 51.9% 40.9%Desempleado 3.9% 3.3%Total 55.8% 44.2%
(a)
Cul es la tasa de desempleo?(b) Cul es Pr(Des. | hombre)?(c) Cul es Pr(Des. | mujer)?
-
7/24/2019 Esta Di Stica Pura
53/82
53
Independencia
Dos eventos F y E se denominanestadsticamente independientessi Pr(F | E) = Pr(F).
Esto es, la ocurrencia de E noafecta la ocurrencia del evento F.
Implicancias:Pr(E y F) = Pr(E) * Pr(F)
-
7/24/2019 Esta Di Stica Pura
54/82
Resmen de frmulas
Pr(A B) PrRegla
General
Pr(A) + Pr(B) - Pr(A y B) Pr(B
CasoEspecial
Pr(A) + Pr(B) si A y Bson mutuamente excl.
Pr(Asi A
-
7/24/2019 Esta Di Stica Pura
55/82
55
Teorema de Bayes
Consideremos el teorema deBayes usando un ejemplo.
El gerente de marketing de unaJugetera est planeandointroducir un nuevo juguete en elmercado. En el pasado el 40% de
los juguetes lanzados al mercadopor la compaa han sido exitosos.Antes de lanzar cada juguete, serealiza un anlisis de mercado y
se escribe un reporte que puedeser favorable o desfavorable allanzamiento. En el pasado, 80%
-
7/24/2019 Esta Di Stica Pura
56/82
56
de los lanzamientos exitososrecibieron reportes favorables yun 30% de los lanzamientos noexitosos tambin recibieronreportes favorables. El
departamento de marketing de laempresa deseara saber laprobabilidad de que el nuevo
juguete fuera exitoso:
(a)
Antes del reporte del anlisisde mercado.(b) Si el reporte es favorable.(c) Si el reporte es desfavorable.
-
7/24/2019 Esta Di Stica Pura
57/82
57
(a) Pr(exitoso)=0.40
(b)
Del rbol de probabilidadespodemos extraer el espaciomuestral:
JugueteExitoso
Jugueteno Exitoso
Favorable
Favorable
Desfavorable
Desfavorable70%
30%20%
80%
60%
40%
-
7/24/2019 Esta Di Stica Pura
58/82
58
Espacio Muestral =
{ EF, ED, NEF, NED}
Las respectivas probabilidades
son:Pr(EF) = 0.32Pr(ED) = 0.08
Pr(NEF) = 0.18Pr(NED) = 0.42Total = 1
-
7/24/2019 Esta Di Stica Pura
59/82
59
La probabilidad que necesitamoses:
Pr(E | F) = Pr(E y F)/Pr(F)= 0.32/(0.32+0.18)
= 0.64Pr(F) = Pr(E y F) + Pr(NE y F)
= 0.32 + 0.18 = 0.50
(d) Pr(E | D) = Pr(E y D)/Pr(D)= 0.08/(0.08+0.42)= 0.16
Pr(D)= Pr(E y D) + Pr(NE y D)= 0.08 + 0.42 = 0.50
-
7/24/2019 Esta Di Stica Pura
60/82
60
Formalmente, la frmula de Bayeses:
Pr(E|F) = Pr(E y F)/(Pr(EyF)+Pr(NEyF))
Donde,Pr(EyF) = Pr(F|E)*Pr(E)Pr(NEyF) = Pr(F|NE)*Pr(NE)
Las probabilidades iniciales, antesde realizar cualquier test sedenominan probabilidadesanteriores. Las probabilidades
obtenidas despus del testeo sedenominan probabilidadesposteriores.
-
7/24/2019 Esta Di Stica Pura
61/82
61
Distribuciones de probabilidad
1) Variables Aleatorias Discretas
Consideremos nuestro ejemplo de
la familia con tres hijos.Supongamos que esta familia estinteresada en el nmero demujeres que tendr. Este es un
ejemplo de una variable aleatoriaque denotaremos por la letra X.Es decir,
X nmero de hijas mujeres.
Los valores posibles de X son:
-
7/24/2019 Esta Di Stica Pura
62/82
62
X = {0, 1, 2, 3}
Estos resultados no sonigualmente probables.
Esp. Muestral Prob.
VVV 1/8VVM 1/8VMV 1/8VMM 1/8MVV 1/8MVM 1/8MMV 1/8MMM 1/8
X Pr(X)
0 1/81 3/8
2
3/83 1/8
-
7/24/2019 Esta Di Stica Pura
63/82
63
Calculando las probabilidades detodos los eventos se obtiene ladistribucin de probabilidad de X.
Entonces, una variable aleatoria
discreta X, toma valores conprobabilidades especificadas porsu distribucin de probabilidadPr(X).
El espacio muestral original sereduce a un nuevo y msconveniente espacio muestral.
-
7/24/2019 Esta Di Stica Pura
64/82
64
Media y Varianza
De la misma forma que calculamosla media y la varianza de unamuestra de observaciones desde
las tablas de frecuencias,podemos calcular la media y lavarianza de una variable aleatoriaX, desde su distribucin de
probabilidad Pr(X).)Pr(: XXMedia i
ii=
( ) )Pr(: 22 XXVarianza ii
i =
-
7/24/2019 Esta Di Stica Pura
65/82
65
Distribucin Binomial
Una de las variables aleatoriasdiscretas mas comunes es ladenominada BINOMIAL.
El ejemplo clsico de variablebinomial es:
E = nmero de "caras" en variastiradas de una moneda.
Supuestos Bsicos
1. Suponemos que hay "n"pruebas
-
7/24/2019 Esta Di Stica Pura
66/82
66
2. En cada prueba, un ciertoevento de inters puedeocurrir o no. Si ocurre,decimos que es un "exito" y sino ocurre es un "fracaso". Sus
respectivas probabilidades sony (1-), y no cambian en cadaprueba.
3. Asumimos que las pruebas son
estadsticamente independientes.Entonces E, el nmero total de"exitos" en "n" pruebas se
denomina variable binomial.
-
7/24/2019 Esta Di Stica Pura
67/82
67
La frmula general de la binomialcuando en cada prueba hay unaprobabilidad de "exito" es laprobabilidad de exactamente E"exitos" en "n" pruebas:
El coeficiente binomial se definecomo,
)1()( )(
= EnE
E
nEp
)!(!
!
EnE
n
E
n
=
-
7/24/2019 Esta Di Stica Pura
68/82
68
Donde n! = n*(n-1)*(n-2)**3*2*1
Un punto importante es que ladistribucin binomial solo puedeutilizarse si las pruebas son
independientes.EjemploSupongamos que una produccin
de 40,000 microondas incluye32,000 (80%) sin defectos. Eldepartamento de control decalidad, no conociendo este
nmero, toma una muestraaleatoria de 10 microondas paraestimar la calidad total.
-
7/24/2019 Esta Di Stica Pura
69/82
69
Cul es la probabilidad de que enla muestra haya 5 microondas sindefectos y 5 defectuosos?
Solucin
Cada uno de los 10 sucesivosmicroondas en la muestra puedeser considerado una "prueba",
entonces "n=10". Para el primermicroondas la probabilidad de"exito" (sin defectos) es32,000/40,000=0.80.
Dependiendo de si el primermicroondas fue un "exito" o no, elsegundo microondas tiene una
-
7/24/2019 Esta Di Stica Pura
70/82
70
probabilidad de "exito" de31,999/39,999 32,000/31,999que para los fines prcticos siguedando 80%. Es decir que lasegunda prueba es prcticamente
independiente de la primera.Repitiendo este argumento paralos restantes microondastenemos una distribucin binomial
con n=10, =0.80 y E=5, es decir
)80.01(80.05
10)5(
)510(5
= p
-
7/24/2019 Esta Di Stica Pura
71/82
71
Lo que da aproximadamente0.026.
Es decir que en una muestraaleatoria de 10 microondas, hay
una probabilidad del 2.6% detener 5 microondas sin defectosy 5 defectuosos.
En la prctica tenemos tablas conlas probabilidades de ladistribucin binomial calculadas.
EjemploUna muestra de 5 votantes de laeleccin presidencial de 1984 en
-
7/24/2019 Esta Di Stica Pura
72/82
72
USA (cuando el 60% vot por losrepublicanos) es seleccionada enforma aleatoria.
(a) el nmero de votantes
republicanos en la muestrapuede variar de 0 a 5.Tabular su distribucin deprobabilidad.
(b)
Calcular la media y ladesviacin estndar.(c) Cul es la probabilidad de
que haya exactamente 3
votantes republicanos en lamuestra?
-
7/24/2019 Esta Di Stica Pura
73/82
73
(d) Calcule la probabilidad deque en la muestra haya unamayora de votosrepublicanos y asi reflejecorrectamente la mayora
en la poblacin.(e) Grafique las respuestas (a)-(d).
Solucin(a) Cada votante seleccionado
constituye una prueba. En
cada prueba la probabilidadde voto a los republicanos es=0.60. En un total de n=5
-
7/24/2019 Esta Di Stica Pura
74/82
74
pruebas, queremos laprobabilidad de E "exitos",donde E=0,1,2,3,4 y 5. Siobservamos la tabla de labinomial para n=5 y =0.60
tenemos:
-
7/24/2019 Esta Di Stica Pura
75/82
75
-
7/24/2019 Esta Di Stica Pura
76/82
E P(E) E*P(E) (E-) (E-)2 (0 0.010 0 -3 91 0.077 0.077 -2 42 0.230 0.460 -1 1
3 0.346 1.038 0 04 0.259 1.036 1 15 0.078 0.390 2 4
1 (b) =3
-
7/24/2019 Esta Di Stica Pura
77/82
-
7/24/2019 Esta Di Stica Pura
78/82
78
De la tabla p(3) = 0.346 35% (c)yp(3)+p(4)+p(5)=0.346+0.259+0.078
=0.683
-
7/24/2019 Esta Di Stica Pura
79/82
79
Distribuciones Contnuas
Distribucin Normal
Para muchas variables contnuas,
la distribucin de probabilidad esuna curva con forma de campanadenominada curva NORMAL ocurva GAUSSIANA en honor al
cientfico alemn Karl Gauss(1777-1855).
Esta distribucin es la ms comn
y til de las distribuciones enciencias sociales.
-
7/24/2019 Esta Di Stica Pura
80/82
80
Distribucin Normal Estndar
La ms simple de lasdistribuciones normales es ladistribucin normal estndar. Se
denomina con la letra Z y sedistribuye alrededor de unamedia =0 y una desviacinestndar =1.
-
7/24/2019 Esta Di Stica Pura
81/82
81
En general,
Cada valor de Z es el nmero dedesviaciones estndar desde lamedia.
Las probabilidades se denotanpor el rea bajo la curva. Porejemplo, si deseamos calcular la
probabilidad de que un valor dadode Z sea mayor a 1.5, estaprobabilidad corresponde al reasombreada en la figura.
Las probabilidades para Z estncalculadas y tabuladas.
-
7/24/2019 Esta Di Stica Pura
82/82
Ejemplos:
Si Z tiene una distribucin normalestndar, encuentre:
a.
Pr(Z < 1.64)b. Pr(Z < -1.64)c. Pr(1 < Z < 1.5)d. Pr(-1 < Z < 2)
e.
Pr(-2 < Z < 2)