Académique Documents
Professionnel Documents
Culture Documents
ESTADO DE MXICO
VALUACIN ESTADSTICA
2do TETRAMESTRE
TolucaMxico2003
Valuacinestadstica
Objetivo:Aplicacindelastcnicasdelaprobabilidadyestadsticaaproblemas
valuatorios.
Temas:
Introduccin.
Distribucindefrecuencias.
Medidasdetendenciacentral.
Varianza.
Teoradelaprobabilidad.
Distribucionesdeprobabilidad(Discretas,continuas).
Estimacin.
Correlacinyregresin.(Lineal,mltiple).
Tablasestadsticas.
Introduccin.
Lapalabraestadsticaseutilizacomoreferenciaalainformacincuantitativao
numrica.
UngranVolumendeinformacinnumricaoriginalanecesidaddemtodos
sistemticosloscualespuedenserutilizadosparaorganizar,presentaranalizareinterpretar
lainformacinefectivamente.
Undatoestadsticodebedeserunconjuntooconjuntosdenmerosquemuestren
relacionessignificativas.
Mtodoestadstico
Recopilarinformacin
Organizacin
Presentacin
Anlisis
Interpretacin
Usosdelaestadsticaenlavaluacindebienesinmuebles.
Lasprimerasaplicacionesdelaestadsticaenlavaluacindebienesinmueblessedanen
lossesentas.
Enlos70seutilizalaregresinmltipleenAlemania,EstadosunidosyMxico.
1970EnelEstadodeMxicoeldepartamentodecatastrodelestadoempezaemplearel
anlisisderegresinmltipleparadeterminarvaloresunitariosdecalle.
Algunosusosdelaestadsticaenlavaluacindebienesinmueblesserian:(Soloporcitar
algunos).
Presentacindeinformacin.
Mtododelcostodemercado.
Regresinmltiple.
Anlisisdevarianza.
Distribucionesdefrecuencias
Unaformadeorganizardatosparamostrarlavariacindedichosdatosesmostrarlasvecesque
dichovaloresdelosdatosserepiten,yadichorecuentoseledenominadistribucindefrecuencias.
Ejemplosetienenlossiguientesdatos1,3,2,5,2,3,2,1,5,4,3,4,2,5,1,5
entoncessetienen:
1
2
3
4
5
III
IIII
III
II
IIII
3
4
3
2
4
Claseeselintervaloalolargodelaescalademedicindecadagrupoordenado
Frecuenciadeunaclaseeselnumerodeobservacionescuyovalorperteneceadichaclase
Frecuencia relativa de una clase es el resultado de dividir su frecuencia por el numero total de
observaciones.
Pasosparaelaborarunadistribucindefrecuencias
1.
Para obtener el numero de clases interviene el criterio de la persona que esta elaborando la
distribucindefrecuenciasunbuennumeroes21silosdatossonmuchossisonpocoselnumero
declasesseriamuchomenor.NOTAayudamuchoordenarlosdatos
2.
Paraelanchodeunaclasesetomaelvalormasaltoyselerestaeldatodemenosvalorestoda
como resultado el rango de los datos. Despus se divide el rango de datos entre el numero de
clasessisedesearedondearsepuedehacersiempreycuandoseaunhaciaarriba.
3.
Paraobtenerellimiteinferiordelaprimeraclasesetomaeldatodemenosvalorysehaceiguala
este,siseredondeohaciaarribaelanchodeclasesedebederedondearellimiteinferiordela
mismamaneraquesehizoperohaciaabajo.
4.
Paraobtenerellimitesuperiordelaprimeraclasesedebedeagregarelanchodeclaseallimite
inferior.
5.
En lassiguientes clases ellimite inferior esigualallimitesuperiordelaclaseanterior yel valor
superioresigualallimiteinferiormaselanchodeclase.
6.
losdatosseagrupandetalmaneraqueseanmayoresqueellimiteinferiorymenoroigualqueel
limitesuperior.NOTAVEREJEMPLOENHOJADEEXCEL.
Existenvariostiposdegrficaspararepresentarunadistribucindefrecuencias.
Histogramadefrecuencias
Elhistogramadefrecuencias:Loslados
delacolumnasrepresentanloslimites
superioreinferiordesuclase,ysus
alturassonproporcionalesalasasus
frecuencias,elvalorcentralestaenel
centrodelabarra.
8
6
4
2
0
0.55 1.47 2.39 3.309 4.229 5.149 6.069 6.988 7.908 8.828
Diagramade barras
8
6
4
2
0
Eldiagramadebarrasempleabarrasenlos
valorescentralesdelasclasescuyasalturas
sonproporcionalesasusfrecuencias
Polgonodefrecuencias
ElPolgonodefrecuenciasconsisteenuna
seriedesegmentosqueunenlospuntos
cuyasabscisassonlosvalorescentrales
decadaclaseycuyasordenadasson
proporcionalesasusfrecuenciasrelativas.
8
6
4
2
0
Existenvariostiposdegrficaspararepresentarunadistribucindefrecuencias.
Histogramadefrecuenciasacumuladas
60
50
40
30
20
10
0
6.99
7.91
8.83
8
6
4
2
0
3
DistribucinBimodal
17
6.07
15
5.15
13
4.23
11
3.31
2.39
1.47
0.55
#Obs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Observacin
168
163
172
159
172
179
151
166
172
163
164
163
174
165
164
169
165
165
162
Histogramadelasalturasdelosalumnosdevaluacindebienesinmuebles
10
9
8
7
6
5
4
3
2
1
0
1
10
9
8
7
Mximo
Mnimo
Rango
Clases
AnchoC
179
151
28
5
5.6
6
5
4
3
2
1
0
1
Clases
LInferior
151
156.6
162.2
167.8
173.4
LSuperior
156.6
162.2
167.8
173.4
179
ValorM
Facum
Frecuencia
153.8
1
1
159.4
3
2
165
12
9
170.6
17
5
176.2
19
2
Calculodemediasymedidasdedispersin
Existendostiposdemedidasenestadstica:
Medidasdetendenciacentral
Medidasdedispersin
Medidasdetendenciacentral:
Media:Enellenguajecomnlamediaserefieregeneralmentealpromedio.
a).-MtodosparadeterminarlamediaX=1/nxidesdei=1hastan.
b).-Elmtododecambiodeorigen.
c).-Multiplicarlosvaloresmediosdelasclasesporlasfrecuenciasydividirentreelnumerodeobservaciones
Moda:Eselvalordelamuestraqueserepitemasveces.
Mediana:Eselvalorcentralsecalculaconlaformulanumeroobservaciones/2+1/2
Medidasdedispersin:
Amplitud:R=XmaxXmin
DesviacinTipo:
Xi
X
/n
Paraladesviacintipooestndarsepuedeusarlaformulaalternativa
( Xi 2 nX 2 ) / n
Cuandoladesviacinestndarsetomadeunamuestraseusalaformula
Xi
X
/ n 1
2
2
Obien
( Xi nX ) /(n 1)
Variancia:Lavarianciaesiguala2
Alamediayladesviacinestndarcuandosontomadasdeunamuestraynodela
poblacintotalselesdenominacomoestimadoresyselesrepresentaconXyNOTA
posteriormenteseestablecernloslimitesdeconfianzaparaestosestimadores
Relacinentremedia,medianaymoda.
Lamedia,lamedianaylamodaserelacionandependiendodelaformadeladistribucin
Moda Mediana Media
Distribucin asimtrica
positiva
Distribucin
simtrica
Distribucin Asimtrica
negativa
CoeficientedeAsimetradePearson
Elcoeficientedeasimetramideladesviacinconrespectoalasimetra.
En una distribucin simtrica, el valor ser de cero porque la media y la mediana tienen el
mismovalor.
Enunadistribucinasimtricapositiva,elvalorserpositivo.
Enunadistribucinasimtricanegativa,elvalorsernegativo.
Asimetradelamuestra=3(X-med)/
Asimetradelapoblacin=3(X-med)/
Calcularmediay
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
19
12
14
18
19
12
12
10
18
15
14
12
13
12
11
19
13
14
15
16
18
19
17
17
15
14
16
14
10
18
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Media
DesvStdP
DesvStdM
Maximo
Minimo
Rango
Clases
AnchoC
168
163
172
159
172
179
151
166
172
163
164
163
174
165
164
169
165
165
162
Histograma
10
9
8
7
6
5
4
3
2
1
0
1
166.1053
5.990297
6.154445
179
151
28
5
5.6
Clases
LInferior
151
156.6
162.2
167.8
173.4
LSuperior
156.6
162.2
167.8
173.4
179
ValorM
Facum
Frecuencia
153.8
1
1
159.4
3
2
165
12
9
170.6
17
5
176.2
19
2
F*VM
153.8
318.8
1485
853
352.4
VMal2
VMal2*f
23654.44 23654.44
25408.36 50816.72
27225
245025
29104.36 145521.8
31046.44 62092.88
SF*VM
Media
Mediaal2
S(f*vm2)
Desvest
3163
166.4737
27713.49
527110.8
5.402616
Probabilidad
Puntomuestral.EscadaunodelosresultadosdeunespacioMuestral .
Elementos
Muestrales
S
Enalgunosexperimentosresultarautillistarlosexperimentosenformadearbolodiagramadearbol
Evento de que
los crculos
sean rojos
Uneventoesunsubconjuntodeunespaciomuestral.
ElcomplementodeuneventoAconrespectoaSeselconjuntodetodosloselementos
deSquenoestnenA.SedenotaalcomplementodeAmedianteelsmbolodeA
P(A)=n Elrangodeunaprobabilidades
N
0a1
DoseventosAyBsonmutuamenteexcluyentessiABEsdecirsiAyBnotienen
elementosencomun.
DiagramadeVenn
A
Interseccin
B
Ces
Excluyente
deAyB
Elementos
A,ByCson
subconjunto
sdeS
LaUnindedoseventosAyB,denotadaporelsmboloAUBeseleventoquecontiene
todosloselementosquepertenecenaAaBoAmbos.
Conteodepuntosmustrales.
Si una operacin puede ejecutarse en n1 maneras y si para cada una de stas se puede
efectuar una segunda operacin de n2 maneras entonces las operaciones pueden llevarse a
cabojuntasenn1n2maneras.
Ejemplos
Siunauncuestionariodeopcinmltipletiene2preguntascon4opcionescadapreguntael
numerototaldeposibilidadesesde4*4=16
Pregunta1
Opciones
Opcin1Opcin2 Opcin3Opcin4
4
Pregunta2
Opcin1Opcin2Opcin3Opcin4
4
4321
Total =4*4 = 16
Opcionespregunta2
2,3
3,2
1,1
1234
Sisetienen3casillascon2opcionescadasetienenentotal(2*2)*2posibilidades=8(Ntesequeaqu
seagruparonlascasillas1y2yluegoelresultadosemultiplicoporelnumerodeopcionesdelacasilla3
1.-
2.-
3.-
Opciones
(1,1,1),(1,1,2),(1,2,1),(1,2,2)
(2,1,1),(2,1,2),(2,2,1),(2,2,2)
Otraformadeverloseria
Delascasillas1y2tenemos
11,12,21,22
yaenconjuntoconlacasilla3tenemos:
(11)1,(12)1,(21)1(22)1,(11)2,(12)2,(21)2,(22)2
Unapermutacinesunarregloordenadodetodosopartedeunconjuntodeobjetos=n!
EjemploelnumerodepermutacionesdetresobjetosX,Y,Zseria:
XYZ,XZY,ZXY,ZYX,YXZ,YZX.(Aquesimportantesealarqueelordensiimporta)
Elnumerodepermutacionesdenobjetostomandoralavezes:
nPr=n!/(n-r)!
Elnumerodepermutacionestomando2alavezseria3!/(3-2)!=(1*2*3)/(1)=6/1=6
Ejemplo
Vistodeunaformagrficaseria:
Solopuedotomar2figurasalavezporlotantotengo
123456
Primerotomo
yluegotomo
Elnumerodecombinacionesdenobjetosdistintostomandoralavezes:
n=n!
rr!(n-r)!
Ejemplosetienen3figuras
Elnumerodecombinacionestomando2alavezseria3!/(2!(3-2)!)=(1*2*3)/(2*(1))=6/2=3
Vistodeformagraficaseria:
Solopuedotomar2figurasalavezporlotantotengo
Ntesequeelordenaqunoimporta
2
3
Elsignoigualsignificaqueambasopcionescuentanporunaporqueelordennoimportaporlotantoeslomismolunay
rayoquerayoyluna
Reglasdeprobabilidad.
SiAyBsoncualesquieradoseventosentoncesP(AUB)=P(A)+P(B)P(AB).
SiAyBsonmutuamenteexcluyentesentoncesP(AB)=P(A)+P(B).
(Excluyentesignificaqueuneventoexcluyealotro)
SiAyAsoneventoscomplementariosentoncesP(A)+P(A)=1.
(ElapostrofeyelcirculosignificanqueescomplementodeA)
Cuando la probabilidad de un evento es dependiente de la ocurrencia de otro evento se dice que existe
probabilidadcondicional.
SilaprobabilidaddeAnoseveafectadaporlaocurrenciadeByviceversa,AyBson independientes.
LaprobabilidadcondicionaldeBdadoAsedenotacomoP(B/A)=P(AB)
P(A)
SignificaqueeslaprobabilidaddequeocurraBdadoqueocurriA.
AyBsonIndependientessisolosiP(B/A)=P(B)yP(A/B)=P(A).
SiAyBsonindependientesentoncesP(AB)=P(A)P(B).
SiAyBsondependientesentoncesP(AB)=P(A)P(B/A).
muestralcontinuo.
Ejercicios
Calcule:
1.-Probabilidaddesacarselalotera
2.-Probabilidaddesacarseelmelate
3.-Probabilidaddesacarselos
pronsticos
4.-Probabilidaddequeunalumnodela
materiadevaluacindebienes
inmueblessaque10sielexamentiene
10preguntas,esdeopcinmltipley
cadapreguntatiene6opciones
(Presumiendoqueelalumnonoestudio
nada)
Variablesaleatorias:
Sepuededefiniraunavariablealeatoriacomounarelacinentreunnumeroyunelementodel
espaciomuestral.
Siunespaciomuestraltieneunnumerofinitodeelementosentoncessepuededecirqueesun
espaciomuestraldiscreto.
Una variable aleatoria relacionada con un espacio muestral discreto es una variable aleatoria
discreta.
Una variable aleatoria relacionada con un espacio muestral continuo es una variable aleatoria
continua.
Ejemplodeunavariablealeatoriadiscreta
Edad(X)delosalumnos
Alumnos
Probabilidad
18aos
0.0833
19aos
0.1666
20aos
0.25
21aos
0.25
22aos
0.1666
23aos
0.0833
Espaciomuestral:
Edadesdelosalumnos(18,19,20,21,22,23)
Unejemplodevariablealeatoriaesalumnosde18,19,20y21aos
Una variable aleatoria puede tener una media a la cual se le denomina valor esperado, una
varianzayunadesviacinestndar.
E ( X ) XP ( X )
Elvaloresperadodeunavariablealeatoriadiscretaes:
Donde:
E(X)eselvaloresperado.
XeselnumerodeocurrenciasdelavariablealeatoriaX
P(X)eslaprobabilidaddequeocurraX
Ejemplo:
Tomandoencuentalosdatosdelejercicioanteriorelvaloresperadodelaedadquetienenlos
alumnoses:
18*0.0833+19*0.1666+20*.25+21*.25+22*0.1666+23*0.0833=20.49
Lavarianzadeunavariablealeatoriadiscretasecalculadelasiguienteforma
V ( X ) ( X E ( X )2 P( X )
Tambinsepuedecalcularcomo V(X)=E(X2)-(E(X))2
Donde:
V(X)=Varianza.
X=Valordelavariablealeatoriadiscreta.
P(X)=Probabilidaddelavariablealeatoriadiscreta.
E(X)=Valoresperadodelavariablealeatoriadiscreta.
E(X2)=Valoresperadodelavariablealeatoriadiscretaalcuadrado.
Ladesviacinestndardeunavariablealeatoriadiscretasedefinecomo:
V (X )
DondeV(X)eslavarianza
Existenalgunasdistribucionesdeprobabilidadespecificascomoson:
Binomial.
Geometrica.
Hiporgeometrica.
Poisson.
DistribucinBinomial
LadistribucinBinomialesunadistribucindeprobabilidaddiscretaaplicableasituacionesde
xitoofracaso.
SebasaenunprocesodemuestreollamadoprocesodeBernoullielcualconsisteen:
EncadaensayosolosonposiblesdosresultadosxitooFracaso
Losresultadosdelaseriedeensayossoneventosindependientes
Laprobabilidaddexitoofracasodecadaensayoesconstanteenunensayo.
LadistribucinBinomialrequieredetresparmetros:
Elnumeroestablecidodexitos(X)
Ellaprobabilidaddexitoencadaensayo(p) laprobabilidaddefallo(q=1-p)
Elnumerodeensayosuobservaciones(n)
LaformulaparadeterminarlaprobabilidaddeunnumeroespecificodexitosXes:
P( X / n, p) n C x p x q n x Donde C es combinacin
Lavarianzayladesviacinestndardeladistribucinbinomialson.
E(X)=np
V(X)=npq
Ejemplodeladistribucinbinomial.
LaprobabilidaddequeunapersonadespusdequevisitaunportaldeventasenInternetesde0.1
Si10personasvisitaronelsitiocualeslaprobabilidaddequeexactamente4personascomprenenese
sitio.
P(X=4/n=10,p=0.1)=(10C4)(0.14)(0.96)=(10!/4!6!)(0.0001)(.53)=0.011160261
Laprobabilidaddequemenosde3personascomprenenelportalseria
P(X<3/n=10,p=0.1)=p(X<=2)=P(X=0)+P(X=1)+P(X=2)
=0.34867844+0.387420489+0.193710245=0.92980917
1.-Obtenerelvalor
esperadodelejercicio
anteriormediantela
formaE(X)=XP(X)
2.-Obtenerelvalor
esperadodelejercicio
anteriorconlaformula
3.-Obtenervarianzay
desviacinestndar
4.-Cualesla
probabilidaddequeal
tirarunamonedaalaire
5veces,salgasol2
veces.
5.-Ejemplosdedonde
seaplicaesta
distribucin.
Ladistribucinbinomialtambinpuedeexpresarsecomosifueraunaproporcindonde:
p=X/n
E(x)=pyV(X)=pq/n
Ejemplo : tomando en cuenta los datos del ejemplo anterior cual seria la probabilidad de que
exactamenteel40%delosvisitantesalportalcomprara.
Notael40%=4/10
P((4/10)/,n=10,P=0.1)=(10C4)(0.14)(0.96)=(10!/4!6!)(0.0001)(.53)=0.011160261
ElvaloresperadoseriaE(X)=p=0.1odel10%
Laprobabilidaddequemenosde3personascomprenenelportalseria
P(X<3/n=10,p=0.1)=p(X<=2)=P(X=0)+P(X=1)+P(X=2)
=0.34867844+0.387420489+0.193710245=0.92980917
P(X)
XP(X)
0.34867844
0.387420489
0.387420489
0.193710245
0.387420489
0.057395628
0.172186884
0.011160261
0.044641044
0.001488035
0.007440174
0.000137781
0.000826686
8.748E-06
6.1236E-05
3.645E-07
2.916E-06
9E-09
8.1E-08
1E-10
10
0.000000001
Total
La distribucin binomial tambin puede expresarse como si fuera una proporcin donde p
=X/n
E(x)=pyV(X)=pq/n
Ejemplo:tomandoencuentalosdatosdelejemploanteriorcualserialaprobabilidaddeque
exactamenteel40%delosvisitantesalportalcomprara.
Notael40%=4/10
P((4/10)/,n=10,P=0.1)=(10C4)(0.14)(0.96)=(10!/4!6!)(0.0001)(.53)=0.011160261
ElvaloresperadoseriaE(X)=p=0.1odel10%
DistribucinHipergeomtrica
Cuandoserealizaunmuestreosinreemplazoyeltamaodelapoblacinesfinitoseutilizala
distribucinHipergeomtrica
N T
P( X / N , T , n)
n X
T
N
X
n
DistribucinHipergeomtrica
Cuandoserealizaunmuestreosinreemplazoyeltamaodelapoblacinesfinitoseutilizala
distribucinHipergeomtrica
N T
P( X / N , T , n)
n X
T
N
X
n
Donde
XEselnumeroestablecidodexitos.
NEselunmerototaldeelementosdelapoblacin.
TEselnumerototaldexitosincluidosenlapoblacin.
nElnumerodeelementosdelamuestra.
Elvaloresperadoylavarianzason:
E(X)=nT/N
2 ( N n / N 1) n (T / N )(1 T / N )
Ejemplo:
De seis canicas tres son trboles si se eligen aleatoriamente cuatro canicas cual es la
probabilidaddequeexactamentedosdeellasseantrboles.
63
4 2
3
2
6
4
P(X=2/N=6,T=3,n=4)==((3!/2!1!)(3!/2!1!))/(6!/4!2!)=0.60
E(X)=4*3/6=2
DistribucindePoisson.
Cuandosetieneunalneadetiempooespacioyenunintervalodeestalneapuedenocurrir
eventossepuedeaplicarladistribucindePoisson.
x e / X !
P(X/)=
E(X)=
V(X)=
Dondeeselnmeromediodeeventosenelintervalodeeventos
Nota: Si los intervalos de tiempo difieren del valor de se puede ajustar haciendo las
conversionesdebidasdetiempo
=2*3=6llamadasporhora(Eltresesporqueenunahoraexisten3lapsosde20minutos).
P(X=3/=6)=63e-6/3!=0.089235078
Variablesaleatoriascontinuas.
Una variable aleatoria continua puede tomar cualquier valor dentro de un rango definido de
valores,comoexisteporlotantounnumeroinfinitodevaloresestosnosepuedenenumerary
asociarse con una probabilidad respectiva. Pero si puede la variable aleatoria X relacionarse
con una funcin f(x) de densidad de probabilidad de tal manera que el rea bajo curva
representadaporf(x)representelaprobabilidaddeocurrenciaentredospuntosdados.
Funcindedensidaddeprobabilidad.
f(X)
Curvadeprobabilidad
X2
reabajolacurva
X1
f ( x)dx
Elreabajola
curva
1234567910111213141516171819
ValoresdeX
CurvaNormal
Algunossinnimosparalacurvanormalson:
Leynormal
Curvanormaldeerror
CurvadeGauss
CurvaDaplaciana
CampanadeGauss
Elreabajolacurvadelanormalaligualqueunhistogramaserlaprobabilidad.
Curvadelanormalysurelacincony
+-=68.26%
+-2=95.46%
+-3=99.73%
Lacurvadelanormalesimportanteporqueindependientementedelaformade
la distribucin de una poblacin la distribucin de los valores medios X de
muestrasdetamaon(X1,X2,X3,.Xk)tomadasdeesapoblacintenderauna
distribucinnormalcuandontiendaainfinito.Esteteoremaseleconocecomo
elteoremadellimitecentral.
Ladistribucindeunavariablealeatorianormalconmediaceroyvariancia1se
lellamadistribucinnormalestndar.
Z=(X-X)/ExistentablasdelaNormalestndarparacalcularelreabajolacurva.
Ejemplo
Dada una distribucin normal con =300 y =50 determine la probabilidad de que X
asumaunvalormayorde362
Z=(362-300)/50=1.24 362 es la variable aleatoria y se transforma a una curva normal
estndar.
enconsecuencia
P(X>362)=P(Z>1.24)
=1-P(Z<1.24)
=1-.8925=0.1075 (R.E. Walpole, R.H Myers Probabilidad y estadstica para ingenieros
Editorialinteramericana3raedicinpag153).
Notael0.8925setomodeunatabladelanormal.
Z
-3.5
-3.4
-3.3
-3.2
-3.1
-3
-2.9
-2.8
-2.7
-2.6
-2.5
-2.4
-2.3
-2.2
-2.1
-2
-1.9
-1.8
-1.7
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0
0
0.000233
0.000337
0.000483
0.000687
0.000968
0.00135
0.001866
0.002555
0.003467
0.004661
0.00621
0.008198
0.010724
0.013903
0.017864
0.02275
0.028716
0.03593
0.044565
0.054799
0.066807
0.080757
0.096801
0.11507
0.135666
0.158655
0.18406
0.211855
0.241964
0.274253
0.308538
0.344578
0.382089
0.42074
0.460172
0.5
0.01
0.000224
0.000325
0.000467
0.000664
0.000936
0.001306
0.001807
0.002477
0.003364
0.004527
0.006037
0.007976
0.010444
0.013553
0.017429
0.022216
0.028067
0.035148
0.043633
0.053699
0.065522
0.07927
0.095098
0.11314
0.1335
0.156248
0.181411
0.20897
0.238852
0.270931
0.305026
0.340903
0.378281
0.416834
0.456205
0.496011
0.02
0.000216
0.000313
0.00045
0.000641
0.000904
0.001264
0.00175
0.002401
0.003264
0.004397
0.005868
0.00776
0.01017
0.013209
0.017003
0.021692
0.027429
0.034379
0.042716
0.052616
0.064256
0.077804
0.093418
0.111233
0.131357
0.153864
0.178786
0.206108
0.235762
0.267629
0.301532
0.337243
0.374484
0.412936
0.452242
0.492022
0.03
0.000208
0.000302
0.000434
0.000619
0.000874
0.001223
0.001695
0.002327
0.003167
0.004269
0.005703
0.007549
0.009903
0.012874
0.016586
0.021178
0.026803
0.033625
0.041815
0.051551
0.063008
0.076359
0.091759
0.109349
0.129238
0.151505
0.176186
0.203269
0.232695
0.264347
0.298056
0.333598
0.3707
0.409046
0.448283
0.488033
0.04
0.0002
0.000291
0.000419
0.000598
0.000845
0.001183
0.001641
0.002256
0.003072
0.004145
0.005543
0.007344
0.009642
0.012545
0.016177
0.020675
0.02619
0.032884
0.040929
0.050503
0.06178
0.074934
0.090123
0.107488
0.127143
0.14917
0.173609
0.200454
0.22965
0.261086
0.294598
0.329969
0.366928
0.405165
0.44433
0.484047
0.05
0.000193
0.00028
0.000404
0.000577
0.000816
0.001144
0.001589
0.002186
0.00298
0.004025
0.005386
0.007143
0.009387
0.012224
0.015778
0.020182
0.025588
0.032157
0.040059
0.049471
0.060571
0.073529
0.088508
0.10565
0.125072
0.146859
0.171056
0.197662
0.226627
0.257846
0.29116
0.326355
0.363169
0.401294
0.440382
0.480061
0.06
0.000185
0.00027
0.00039
0.000557
0.000789
0.001107
0.001538
0.002118
0.00289
0.003907
0.005234
0.006947
0.009137
0.011911
0.015386
0.019699
0.024998
0.031443
0.039204
0.048457
0.05938
0.072145
0.086915
0.103835
0.123024
0.144572
0.168528
0.194894
0.223627
0.254627
0.28774
0.322758
0.359424
0.397432
0.436441
0.476078
0.07
0.000179
0.00026
0.000376
0.000538
0.000762
0.00107
0.001489
0.002052
0.002803
0.003793
0.005085
0.006756
0.008894
0.011604
0.015003
0.019226
0.024419
0.030742
0.038364
0.04746
0.058208
0.070781
0.085344
0.102042
0.121001
0.14231
0.166023
0.19215
0.22065
0.251429
0.284339
0.319178
0.355691
0.39358
0.432505
0.472097
0.08
0.000172
0.000251
0.000362
0.000519
0.000736
0.001035
0.001441
0.001988
0.002718
0.003681
0.00494
0.006569
0.008656
0.011304
0.014629
0.018763
0.023852
0.030054
0.037538
0.046479
0.057053
0.069437
0.083793
0.100273
0.119
0.140071
0.163543
0.18943
0.217695
0.248252
0.280957
0.315614
0.351973
0.389739
0.428576
0.468119
0.09
0.000165
0.000242
0.00035
0.000501
0.000711
0.001001
0.001395
0.001926
0.002635
0.003573
0.004799
0.006387
0.008424
0.011011
0.014262
0.018309
0.023295
0.029379
0.036727
0.045514
0.055917
0.068112
0.082264
0.098525
0.117023
0.137857
0.161087
0.186733
0.214764
0.245097
0.277595
0.312067
0.348268
0.385908
0.424655
0.464144
Z
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3
3.1
3.2
3.3
3.4
3.5
0
0.5
0.539828
0.57926
0.617911
0.655422
0.691462
0.725747
0.758036
0.788145
0.81594
0.841345
0.864334
0.88493
0.903199
0.919243
0.933193
0.945201
0.955435
0.96407
0.971284
0.97725
0.982136
0.986097
0.989276
0.991802
0.99379
0.995339
0.996533
0.997445
0.998134
0.99865
0.999032
0.999313
0.999517
0.999663
0.999767
0.01
0.503989
0.543795
0.583166
0.621719
0.659097
0.694974
0.729069
0.761148
0.79103
0.818589
0.843752
0.8665
0.88686
0.904902
0.92073
0.934478
0.946301
0.956367
0.964852
0.971933
0.977784
0.982571
0.986447
0.989556
0.992024
0.993963
0.995473
0.996636
0.997523
0.998193
0.998694
0.999064
0.999336
0.999533
0.999675
0.999776
0.02
0.507978
0.547758
0.587064
0.625516
0.662757
0.698468
0.732371
0.764238
0.793892
0.821214
0.846136
0.868643
0.888767
0.906582
0.922196
0.935744
0.947384
0.957284
0.965621
0.972571
0.978308
0.982997
0.986791
0.98983
0.99224
0.994132
0.995603
0.996736
0.997599
0.99825
0.998736
0.999096
0.999359
0.99955
0.999687
0.999784
0.03
0.511967
0.551717
0.590954
0.6293
0.666402
0.701944
0.735653
0.767305
0.796731
0.823814
0.848495
0.870762
0.890651
0.908241
0.923641
0.936992
0.948449
0.958185
0.966375
0.973197
0.978822
0.983414
0.987126
0.990097
0.992451
0.994297
0.995731
0.996833
0.997673
0.998305
0.998777
0.999126
0.999381
0.999566
0.999698
0.999792
0.04
0.515953
0.55567
0.594835
0.633072
0.670031
0.705402
0.738914
0.77035
0.799546
0.826391
0.85083
0.872857
0.892512
0.909877
0.925066
0.93822
0.949497
0.959071
0.967116
0.97381
0.979325
0.983823
0.987455
0.990358
0.992656
0.994457
0.995855
0.996928
0.997744
0.998359
0.998817
0.999155
0.999402
0.999581
0.999709
0.9998
0.05
0.519939
0.559618
0.598706
0.636831
0.673645
0.70884
0.742154
0.773373
0.802338
0.828944
0.853141
0.874928
0.89435
0.911492
0.926471
0.939429
0.950529
0.959941
0.967843
0.974412
0.979818
0.984222
0.987776
0.990613
0.992857
0.994614
0.995975
0.99702
0.997814
0.998411
0.998856
0.999184
0.999423
0.999596
0.99972
0.999807
0.06
0.523922
0.563559
0.602568
0.640576
0.677242
0.71226
0.745373
0.776373
0.805106
0.831472
0.855428
0.876976
0.896165
0.913085
0.927855
0.94062
0.951543
0.960796
0.968557
0.975002
0.980301
0.984614
0.988089
0.990863
0.993053
0.994766
0.996093
0.99711
0.997882
0.998462
0.998893
0.999211
0.999443
0.99961
0.99973
0.999815
0.07
0.527903
0.567495
0.60642
0.644309
0.680822
0.715661
0.748571
0.77935
0.80785
0.833977
0.85769
0.878999
0.897958
0.914656
0.929219
0.941792
0.95254
0.961636
0.969258
0.975581
0.980774
0.984997
0.988396
0.991106
0.993244
0.994915
0.996207
0.997197
0.997948
0.998511
0.99893
0.999238
0.999462
0.999624
0.99974
0.999821
0.08
0.531881
0.571424
0.610261
0.648027
0.684386
0.719043
0.751748
0.782305
0.81057
0.836457
0.859929
0.881
0.899727
0.916207
0.930563
0.942947
0.953521
0.962462
0.969946
0.976148
0.981237
0.985371
0.988696
0.991344
0.993431
0.99506
0.996319
0.997282
0.998012
0.998559
0.998965
0.999264
0.999481
0.999638
0.999749
0.999828
0.09
0.535856
0.575345
0.614092
0.651732
0.687933
0.722405
0.754903
0.785236
0.813267
0.838913
0.862143
0.882977
0.901475
0.917736
0.931888
0.944083
0.954486
0.963273
0.970621
0.976705
0.981691
0.985738
0.988989
0.991576
0.993613
0.995201
0.996427
0.997365
0.998074
0.998605
0.998999
0.999289
0.999499
0.99965
0.999758
0.999835
Estimacinestadstica.
Poblacin
Muestra
Lamuestratienecaractersticassimilaresalapoblacin.
Alasmedidasqueexistenparadefiniraunapoblacinselesconocecomoparmetros
de la poblacin, a las medidas de la muestra se les conoce como estadsticas
muestrales.Lasestadsticasmuestralessepuedenutilizarparaestimarunparmetrode
lapoblacin.
Unestimadorpuntualeselvalornumricodeunaestadsticamuestral
Algunosestimadoresserian:
Estimador
Parmetrodelapoblacin
Media(x)
Media()
Desviacinestndardelamuestra(S )
Desviacinestndar()
Varianza(S2 )
Varianza(2)
Proporcin(p)
Proporcin()
Media
Media
Moda
Moda
Ejemplosisetieneunapoblacinde100nmeros:
28
68
11
58
57
76
56
32
55
17
70
36
97
34
74
53
73
Media=
49.35
26
10
37
65
76
64
26
68
44
98
DesviacinStd
28.866
48
58
22
46
80
46
17
49
65
27
91
16
47
46
90
56
67
43
26
90
33
10
78
64
20
45
88
58
25
66
77
77
47
10
58
98
84
50
22
79
96
98
27
79
86
27
95
30
65
52
68
94
42
74
13
37
12
62
83
82
36
94
Deestapoblacinsetoman3muestrasde3elementostomadosalazarcadaunay3
muestrasde12elementostomadosalazarysedeterminanlasmediasylas
desviacionesestndardelasmuestras.
Deestapoblacinsetoman3muestrasde3elementostomadosalazarcadaunay3muestras
de12elementostomadosalazarysedeterminanlasmediasylasdesviacionesestndarde
lasmuestras.
Muestra1
Muestra2
Muestra3
65
46
76
Mediamuestra1=
67
98
56
50
57
90
%devariacion
conrespecto
alamediaverdadera
60.667 -23%
DesviacionStd
9.2916
Mediamuestra2=
67
-36%
DesviacionStd
27.404
Mediamuestra3=
74
-50%
DesviacionStd
17.088
Muestra1
Muestra2
Muestra3
1
95
8
Mediamuestra1=
98
84
64
43
68
36
33
37
33
%devariacion
conrespecto
alamediaverdadera
57.083 -16%
Mediamuestra2=
54.25
-10%
Mediamuestra3=
48.5
2%
65
65
11
11
9
58
77
57
58
57
91
66
68
17
98
57
58
76
26
46
28
77
66
76
Sisetomaunapoblacindenmeroscuyadesviacinestndarseapequea
53
50
56
73
58
55
58
50
57
74
71
66
56
50
65
65
71
50
50
52
68
66
74
59
50
62
63
71
56
51
74
63
67
Muestra1
56
Muestra2
74
Muestra3
56
Mediamuestra1=
Mediamuestra2=
Mediamuestra3=
Muestra1
74
Muestra2
62
Muestra3
50
Mediamuestra1=
Mediamuestra2=
Mediamuestra3=
73
58
67
72
66
71
50
69
70
51
58
53
73
56
54
53
69
54
74
62
72
67
56
72
63
59
50
74
65
64
61
53
51
74
62
60
53
63
54
65
61
62
54
74
55
61
68
68
52
55
56
53
69
61
58
55
54
74
61
67
60
74
62
61
65
64
65
59
66
67
66
61
%devariacion
conrespecto
alamediaverdadera
60
3%
DesviacionStd
69
-12%
DesviacionStd
61
1%
DesviacionStd
66
74
62
56
73
65
71
53
67
55
50
67
53
57
53
73
52
58
%devariacion
conrespecto
alamediaverdadera
64.667 -5%
DesviacionStd 7.8547
61.417
0%
DesviacionStd 7.1026
58.417
5%
DesviacionStd 7.5854
70
70
Media=
61.71
50
DesviacionStd 7.8324
66
68
71
60
70
64
73 Sepuedeverquela
64 desviacindelos
estimadorescontralos
parmetrosdelapoblacin
estodavaaunmenor.
4.5826
4.3589
67
68
67
50
54
63
72
58
56
63
63
61
56
53
72
Alasdesviacionesdelosestimadorescontralosparmetros
seleconocecomoerrordemuestreo,
Pararealizarunamuestradeformaaleatoriasedebendetomarloselementosdela
poblacindetalmaneraquetodosloselementosdelapoblacintenganlamisma
posibilidaddesermuestreados
Distribucin
uniforme
=1/nxi
Distribucindemuestreodelamedia
En el ejemplo anterior se tomaron varias muestras y con estas se determino la media de la
poblacin.Siseanalizanlosresultadosdelasdiferentesmuestrassepuedeverqueexisteuna
variacin en el resultado de cada una de ellas. La desviacin estndar de las diferentes
variacionesmejorconocidacomoerrorestndardelamediasepuedecalculardelasiguiente
forma.
x=/ndondeneseltamaodelamuestrayesladesviacinestndardelapoblacin
CuandosedesconoceentoncesSx=S/n
Se ha visto que un estimador rara vez a coincidir con el parmetro de la poblacin pero el
estimadorsipuedeestardentrodeunrangoalrededordelparmetrodelapoblacin.
IntervalodeconfianzaXmediadelamuestra
Siladistribucindemuestreodelamediatieneunadistribucinnormal.
EntoncesZ=X-
x
Sisedesconocela x delapoblacinperoeltamaodelamuestraesden>30entoncesel
intervalodeconfianzaestadadopor
X+-zsx
Sisedespejansepuedeencontrarque
n=(z/E)2
Donde E es el error esperado, en otras palabras es la media +-E o la mitad del intervalo de
confianza.
Estonospermitedeterminareltamaodelamuestrasisetieneconocimientodeladesviacin
estndardelapoblacin
Ejercicios
Determineelerrorestndarparaunapoblacingrandequetieneunamediade53ydesviacin
estndar=10paraunamuestrade37 elementos.
Errorestndar=1.643989873
Ejercicios:
Determineelerrorestndarparaunapoblacingrandequetieneunamediade
ydesviacinestndar= 15 paraunamuestrade
59
elementos
77
Errorestndar= 1.9528
Setomaunamuestrade
25
departamentosdedosrecamarasenlazonanortedela
ciudaddeTolucaseconocequeelpromediodelospreciosdelosdepartamentosesde $153,308.00
conunadesviacinestndardelamuestra
38327
Cualeslaprobabilidaddequelamediamuestralseinferiora
$137,977.00
Errorestndar= 7665.4
Z=
P(Z<
-2
-2
)=
0.0227
137,977
153308
Setomaunamuestrade20prediosenunazonadelaciudaddeTolucayseencuentraqueelcosto
promediodelmetrocuadradoenlamuestradeloslotesesde
$1,432
conunadesviacinestndarmuestralde
$358
Establezcaunintervalodeconfianzaconun95%deseguridadparalamedia
Errorestndar= $80.05
X= 1589
X= 1275
Si se desconoce la desviacin estndar de la poblacin y el tamao de la muestra es
reducidoperoseconocequelapoblacinsecomportabajounadistribucinnormalse
puede utilizar una distribucin tgl con gl=n-1 donde gl son los grados de libertad o el
numerodevariableslibres.
Porlotantoelintervalodeconfianzapara estaradadopor
X+-tglSx
Dadoquettiendeacomportarsecomounanormaldespusden>30sepuedenutilizar
tantolanormalcomotparamuestrasmayoresa30datos
Setomaunamuestrade20prediosenunazonadelaciudaddeTolucayseencuentraqueelcosto
promediodelmetrocuadradoenlamuestradeloslotesesde
$967
Delamuestrasehaestimadounadesviacionestandarde
$200
Establezcaunintervalodeconfianzaconun95%deseguridadparalamedia
ErrorEstndar=$63.25
Distribuciont=
2.2622
X1=
X2=
824
$967
1,110
$1,110.07
$823.93
Regresin
Unafuncinesunaexpresinquenosindicaunarelacindecorrespondencia
relacin
de los
Unafuncinsepuedeexpresarentrminosmatemticos,lanotacinusadaes:
F(variabledeinters)=Expresinmatemticaquecontienealavariabledeinters.
Ejemplos:
Y=3X+36puedeserexpresadocomoY=f(X)obienf(X)=3X+36
Elgradodeunafuncineslapotenciaalacualestaelevadalavariabledeinters
F(X)=3X+36Esunafuncindeprimergradoolinealporquesurepresentacinenel
planocartesianoesunarecta.
F(X)=3X2+90EsunafuncindeSegundogradoocuadrticasurepresentacinenel
planocartesianoesdeunaparbola.
F(X)=3X3+100Esunafuncindetercergradoocbica.
F(x)=X+1siX=1entoncesF(x)=1+1=2siX=2entoncesF(x)=2+1=3
3
2
1
Se puede ver que X puede tomar cualquiervalor mientras que F(x) depende delos
valoresquetomeX.
Expresin
F(x)=
SiX F(x)
0
1
1
3.9
2
6.8
3
9.7
4 12.6
5 15.5
6 18.4
7 21.3
8 24.2
9 27.1
10
30
11 32.9
12 35.8
13 38.7
Expresin
F(X)=
SiX= F(X)
-6 10.8
-5
7.5
-4
4.8
-3
2.7
-2
1.2
-1
0.3
0
0
1
0.3
2
1.2
3
2.7
4
4.8
5
7.5
6 10.8
Expresin
F(X)=
SiX= F(X)
-6 -43.2
-5
-25
-4 -12.8
-3 -5.4
-2 -1.6
-1 -0.2
0
0
1
0.2
2
1.6
3
5.4
4 12.8
5
25
6 43.2
2.9X+ 1
2
0.3X+ 0
3
0.2 X+0
Expresin
F(X)=
siX= F(X)
0.1 -4.61
0.6 -1.02
1.1 0.191
1.6 0.94
2.1 1.484
2.6 1.911
3.1 2.263
3.6 2.562
4.1 2.822
4.6 3.052
5.1 3.258
5.6 3.446
6.1 3.617
Expresin
F(X)=
SiX= F(x)
-6 0.002
-5 0.007
-4 0.018
-3 0.05
-2 0.135
-1 0.368
0
1
1 2.718
2 7.389
3 20.09
4 54.6
5 148.4
6 403.4
2*Ln(X)Ln(X)
1e