Vous êtes sur la page 1sur 35

DEDICATORIA

Primeramente a dios por habernos permitido llegar hasta este punto y haberme
dado salud, ser el manantial de vida y darme lo necesario para seguir adelante día
a día para lograr mis objetivos, además de su infinita bondad y amor.

A nuestras madres por habernos apoyado en todo momento, por sus consejos, sus
valores, por la motivación constante que nos ha permitido ser unas personas de
bien, pero más que nada, por su amor. A nuestros padres por los ejemplos de
perseverancia y constancia que los caracterizan y que me ha infundado siempre,
por el valor mostrado para salir adelante y por su amor.

pág. 1
INTRODUCCION

 La organización del campo de investigación estadística consiste en disponer de


todas las operaciones necesarias para su realización. Lanzarse a investigar sin
una preparación adecuada puede demandar luego más tiempo que el
efectivamente necesario. En una investigación bien preparada, ni hay
apresuramiento ni entretenimiento innecesario en las tareas preliminares, que,
en algunos de los casos presuponen costos muy elevados con relación a los
beneficios o resultados obtenidos

Como señalan algunos autores. El problema, dicho con más precisión, la


formulación del problema es el primer paso del procedimiento de investigación.
El trabajo científico consiste, fundamentalmente, en formular problemas y tratar
del resolverlo. Consecuentemente, el trabajo de investigación comienza con la
formulación del problema y se extiende por una serie de fases hasta encontrar
respuestas (que puede ser válida o no) al problema planteado.

Enfrentar o confrontar uno o varios problemas no basta; de lo que se trata es de


plantear y formular correctamente el problema. En efecto, todo problema debe
estar bien formulado; ésta es la regla de oro de comienzo de todo proceso de
investigación. Una cuestión planteada de manera general o demasiado banal es
inaccesible al trabajo científico. Hay un camino a recorrer entre vislumbrar el
problema y formularlo correctamente.

Una buena formulación del problema implica siempre la delimitación del campo
de investigación, es decir, establece claramente los límites de tiempo y espacio
dentro de los cuales se realizará la investigación.

 Una distribución de probabilidad es continua cuando los resultados posibles del


experimento son obtenidos de variables aleatorias continuas, es decir, de
variables cuantitativas que pueden tomar cualquier valor, y que resultan
principalmente del proceso de medición.

pág. 2
INDICE

Caratula…….……………………….…………….………………………………………01

Dedicatoria…….…………………………………….……………………………………02

Introducción………………………………...….…………………………………………03

Planeamiento O Preparación……………………………………………………………06

Organización Y Presentación De Los Datos….…………….…………………………07

Formulación De Conclusiones Y Preparación Del Informe…………………….……08

Distribución Continua Uniforme …………………..……………………………………12

Distribución Continua Normal O Gaussiana …………………………………………16

Distribución De X2 Person………………………………………………………………22

Distribución T De Student.………………………………………………………………25

Ejercicios………………………………………….………………………………………28

Conclusiones…………………………………………………………………………..…33

Recomendaciones….……….. …………………………………………………………34

Anexos…….………………………………………………………………………………35

Bibliografía / web grafía…….…………………………………...……………………….36

pág. 3
CAPITULO I

ETAPAS DE LA INVESTIGACION ESTADISTICA.

La investigación estadística por su parte naturaleza, es fundamentalmente de tipo


descriptiva; se preocupa de la confiabilidad, validez y significación de los datos, de
las muestras, así como de los métodos y técnicas de recolección y análisis
estadísticos.

Es importante distinguir entre investigación Estadística y la Estadística como técnica


o ciencia auxiliar para la investigación científica, social, educativa, económica,
medica, etc.La investigación social, económica o de otro tipo estudia el fenómeno
en su totalidad, dentro de un marco teórico y conceptual con el propósito de
contribuir al conocimiento científico; por ejemplo hay que distinguir entre hecho
estadístico y hecho social, económico, educativo, etc. La investigación estadística
se preocupa fundamentalmente de la dimensión y la relación de los elementos que
caracterizan al fenómeno en estudio.

La investigación estadística es un proceso donde se distinguen cinco etapas:

1.1 Planeamiento O Preparación


a) Fundamentación y comprensión del estudio e identificación de las
variables.

b) Determinación de los objetivos.

c) Organización de las variables, precisión de los datos e información


requerida.

d) Identificación y evaluación de las fuentes de información.

pág. 4
e) Identificación y análisis de estudios similares.

f) Determinación de ámbito de investigación.

 Ámbito geográfico

 Población, grupo humano, o elementos que serán estudiados.

 Periodo de análisis

g) Preparación del plan para ejecutar la investigación.


 Fijación de la población
 Determinación de los métodos, técnicas e instrumentos de recolección y
análisis de datos.
 Método de la selección de las muestras.
 Elaboración de cuestionarios e instrumentos de recolección de datos.
 Preparación del plan de tabulaciones y de los cuadros de análisis.

h) Formación y capacitación del equipo de trabajo.

i) Elaboración del calendario de actividades.

j) Formulación del presupuesto y fuentes de financiamiento.

k) Diseño y ejecución de una prueba piloto o experimental.

1.2 Recopilación De Los Datos

La recopilación o recolección de los datos es el momento en el cual el


investigador se pone en contacto con los objetos o elementos sometidos a
estudio, con el propósito de obtenerlos datos o respuestas a las variables

pág. 5
analizadas. Los métodos de recolección son diversos y dependen de las
posibilidades de acceso o contacto con los elementos investigados, del tamaño
de la población o muestra de la oportunidad de obtener datos y del presupuesto
y de las exigencias del tiempo.

1.3 Organización Y Presentación De Los Datos

Después de la recopilación de los datos se procede a su organización,


clasificación, tabulación de modo que se facilite la presentación en tablas,
cuadros o gráficos.
Como tarea previa a la organización es indispensable realizar una evaluación,
critica corrección y ajuste de los datos, el propósito es superar las omisiones,
inconsistencias y desechar las respuestas no significativas o erróneas. Téngase
presente que la validez de sus resultados y conclusiones dependen en gran
medida de la fidelidad de los datos utilizados. No existen computadoras que por
sí solas corrijan los errores de recopilación.
Realizadas las correcciones o ajustes se procede a la clasificación o
establecimiento de categorías o intervalos para la agrupación de datos.
Finalmente se procede a la tabulación o procesamiento de los datos de acuerdo
a un plan de tabulación previamente definido.
Los cuadros y tablas estadísticas como primera fase de la reducción de datos,
facilita el cálculo de los indicadores (porcentaje, promedios, proporciones,
índices, tasas, etc.) con las cuales se inicia la descripción, análisis e
interpretación de los datos, variables e información estadística.

1.4 Análisis E Identificación De Los Datos

En esta etapa se aplican los argumentos matemáticos y teóricos de la


Estadística. A través de los métodos estadísticos se calculan indicadores y
medidas de resumen, se establecen relaciones entre variables, se estiman
valores, se ejecutan pruebas estadísticas, etc., como elementos de referencias
pág. 6
para la descripción, análisis e interpretación del comportamiento de los datos,
hacer inferencias validad y obtener información de los elementos o unidades
estudiadas.

Los métodos de análisis de datos estadísticos son numerosos y pueden consistir


en una simple observación, hasta recurrir a métodos más elaborados o
sofisticados matemáticamente. La interpretación de los datos y resultados se
hacen en el contexto de los objetivos de la investigación.

1.5 Formulación De Conclusiones Y Preparación Del Informe.

En toda investigación debe analizarse el cumplimiento de los objetivos, en


función de los resultados fundamentales. Esta contrastación permite elaborar un
resumen de los aspectos sustantivos que luego se efectuaran en forma de
conclusiones y sugerencias orientadoras en la forma de decisiones y exigencias
con el propósito de ofrecer información actualizada, oportuna y novedosa.

 Elección De Las Unidades Estadísticas


Las unidades estadísticas es el hecho elemental e indivisible que será estudiado
y sobre los cuales se va a obtener datos estadísticos, pueden ser: personas,
animales, objetos, instituciones, etc. En la investigación social se denomina
unidad de análisis. Esta unidad no es el fenómeno investigado, sino el que
genera el fenómeno y proporciona datos concretos.

La unidad estadística debe definirse cuidadosamente teniendo en cuenta los


siguientes contextos:

Debe ser sencilla de modo que se pueda caracterizar con facilidad, que los
encargados de la recopilación no tengan dudas en su identificación.

Debe ser precisa de modo que facilite su identificación y saber que observar. No
es lo mismo decir ¨Estudiantes del Instituto Carrión´´ que decir ´´Estudiantes del
Instituto Carrión Fisioterapia y Rehabilitación´´.

pág. 7
 Recolección De Datos
Es el momento en el cual el investigador se pone en contacto con los objetos o
elementos sometidos a estudio, con el propósito de obtener los datos o
respuestas de las variables consideradas a partir de estos datos se prepara la
información estadística, se calcula medidas de resumen e indicadores para el
análisis estadístico.
Antes de analizar o recoger los datos, es importante analizar los objetivos del
estudio, precisar las variables e identificar las fuentes de datos, a fin de definir
qué datos hay que recopilar y como hacer esta tarea.

El trabajo de recolección de datos en general se puede realizar mediante dos


modalidades:
a) La técnica de investigación documental o bibliográfica
b) La técnica de trabajo de campo

b.1.-La observación y la exploración en el terreno, que consiste en el contacto


directo del investigador con el trabajo de estudio
b.2.-La encuesta y entrevista que consiste en el acopio de testimonios orales y
escritos de personas.

 Las Fuentes De Datos

Es el lugar, la institución, las personas o elementos donde están o que poseen


los datos que se necesitan.
En general se puede distinguir de 5 tipos de fuentes de datos:
1.-Las oficinas de estadística.
2.-Archivos o registros administrativos.
3.-Documentos.
4.-Encuestas y censos.
5.-Los elementos o sujetos.

pág. 8
 Técnicas De Recolección De Datos
Son diversos y dependen de la naturaleza del objeto en estudio, de las
posibilidades de acceso o contacto con los elementos investigados, del tamaño
de la población o muestra. La técnica también se asocia al tipo y naturaleza de
la fuente de datos.

Las técnicas más frecuentes son:


1) La observación.
2) Técnica documental.
3) La entrevista.
4) El cuestionario.
5) La encuesta.

La Observación. - Es la acción de mirar con rigor en forma sistemática y


profunda con el interés de descubrir la importancia de aquello que se observa.

La Técnica Documental. -Es un tipo de observación que recopila o busca sus


datos en documentos, fuentes escritas o graficas de todo tipo.

La Entrevista. -Es una situación de interrelación o dialogo entre personas, es


una técnica donde una persona llamada entrevistador, solicita al entrevistado le
proporcione alguna información.
Cuando una encuesta está dirigida a la totalidad de elementos de una población,
se llama censo, en tanto, cuando está dirigida a una parte representativa
muestra de la población se llama Encuesta por Muestreo.

El Cuestionario. -Es un instrumento constituido por un conjunto de preguntas


sistemáticamente elaboradas, que se formulan al encuestado o entrevistado,
con el propósito de obtener los datos de las variables consideras en el estudio.

pág. 9
El cuestionario debe ser adaptado a las necesidades de la investigación y a las
características del grupo que se estudia.

La Encuesta. -Es una técnica de recolección de datos, donde se obtiene la


información tal como se necesita, preparada con objetivo estadístico. Permite
observar y registrar características en las unidades de análisis de una
determinada población o muestra, delimitada en el tiempo y el espacio.

pág. 10
CAPITULO II

DISTRIBUCIONES CONTINUAS DE PROBABILIDAD

2.1. Distribución Continua Uniforme.

En teoría de probabilidad y estadística, la distribución uniforme continua es una


familia de distribuciones de probabilidad para variables aleatorias continuas, tales
que cada miembro de la familia, todos los intervalos de igual longitud de la
distribución en un rango son igualmente probbles. El dominio está definido por los
dos parámetros, a y b, que son sus valores mínimos y máximo. La distribución es a
menudo escrita en forma abreviada como U(a,b).

2.1.1Caracterización.-

2.1.2 Función de densidad de probabilidad

La función de densidad de probabilidad de la distribución uniforme continua es:

pág. 11
Los valores en los extremos a y b no son por lo general importantes porque no
afectan el valor de las integrales de f(x)dx sobre el intervalo, ni de xf(x)dx o
expresiones similares.

A veces se elige que sean cero, y a veces se elige con el valor 1/(b-a). Este último
resultado apropiado en el contexto de estimación por el método de máxima
verosimilitud. En el contexto de análisis de Fourier, se puede elegir que el valor de
f(a) o f(b) sean 1/(2(b-a)), para que entonces la transformación inversa de muchas
transformadas integrales de esta función uniforme resulten en la función inicial. De
otra forma la función que se obtiene sería igual “ en casi todo el punto”, o sea
excepto en un conjunto de puntos con media nula. También, de esta forma resulta
consistente con la función signo que no posee dicha ambigüedad.

2.1.3 Función de distribución de probabilidad.

La función de distribución de probabilidad es:

pág. 12
2.1.4 Función generadoras asociadas

Función generadora de momentos es:

𝑒 𝑡𝑥 −𝑒 𝑡𝑎
Mx = E (𝑒 𝑡𝑥 ) =
t(b−a)

A partir de la cual se pueden calcular los momentos m.

a+b
m1=
2

𝑎2 +𝑏2 +𝑎𝑏
m1=
3

y en general :

1 𝑘
mk = ∑𝑖=0 𝑎𝑖 𝑏 𝑘−𝑖
K+1

Para una variable aleatoria que satisface esta distribución la esperanza matemática
es entonces m1=(a+b)/2 y la varianza es m2-m1= (𝑏 − 𝑎)2 /12.

2.1.5 Propiedades

Generalización a conjuntos de borel.

Esta distribución puede ser generalizada a conjunto de intervalos más complicados.


Si S es un conjunto de borel de medida finita positiva, la distribución probabilidad

pág. 13
uniforme en S se puede especificar definiendo que la pdf sea nula fuera de S e igual
a 1/k dentro de S, donde K es la medida de lebesgue de S.

Estadística de orden

Sea X1…… Xa una muestra lld de U(0,1). Sea X(k) el orden estadístico k enésimo
de esta muestra . Entonces la distribución de probabilidad de X(k) es una
distribución Beta con parámetros K y n – k + 1 . La esperanza matemática es:

k
E (X(k)) =
n+1

Esto es útil cuando se realiza Q-Qplots.

La varianza son:

k(n−k+1)
Var (X(k)) =
(𝑛+1)2 (𝑛+2)

Uniformidad.

La probabilidad de que una variable aleatoria uniformemente distribuida se


encuentra dentro de algún intervalo de longitud finita es independiente de la
ubicación del intervalo (aunque si depende del tamaño del intervalo), siempre que
el intervalo este contenido en el dominio de la distribución.

Es posible verificar esto, por ejemplo si X= U(0,b) y [x,x+d] es un sub intervalo de


[0,b] con d fijo y d >0, entonces.

𝑥+𝑑 𝑑𝑦 𝑑
P(Xϵ[x,x+d]) = ∫𝑥 =
𝑏−𝑎 𝑏−𝑎

Lo cual es independiente de x. Este hecho es el que le da su nombre a la


distribución.

pág. 14
2.3. Distribución Continua Normal O Gaussiana.

La importancia de esta distribución se debe a que describe con gran aproximación


la distribución de las variables asociadas con muchos fenómenos de la naturaleza.
En particular, las medidas de magnitudes físicas suelen distribuirse según una
distribución normal, social e incluso psicológica. Por ejemplo.

 Morfológicas (estatura)
 Sociológicos (consumo de productos)
 Psicológicos(medición IQ)
 Fisiológicos(efecto de fármacos)

La grafica tiene forma de campana, también conocida como la campana de Gauss.


En alusión a su creador. Carl Gauss.

La función de densidad de una variable cuya distribución es normal o de Gauss


define por:

pág. 15
Función de densidad, f(x), y función de distribución, F(x), para una distribución normal.
Se muestra las representaciones correspondientes a dos valores de la media μ y la
desviación típica

2.3.1 Definición Y Propiedades.

Por definición, se dice que una variable aleatoria continua X sigue una distribución
normal de media μ y desviación típica si su función de densidad es

De esta forma, una vez que se especifican μ y " la distribución queda determinada
completamente. Puede comprobarse que esta distribución de probabilidad cumple la
condición de normalización dada en (6.4), ya que:

pág. 16
Donde se ha hecho el cambio de variable z = (x − μ) /" (es decir dx = " dz) y se ha
aplicado el siguiente valor tabulado de la integral:

En el grafico anterior, la distribución de probabilidad normal tiene forma de campana


(llamada campana de Gauss, o curva normal), simétrica (por depender de x a través
del termino (x−μ)2), centrada en μ y con anchura proporcional a (como es lógico esperar
del significado de la desviación típica). Evidentemente, el máximo de la función de
densidad ocurre para x = μ y, por tanto, media, mediana y moda coinciden en ese punto.
Se puede demostrar que los puntos de inflexión de la curva normal están situados en
μ− y μ+ la curva tiende asintóticamente a cero al alejarse del valor medio. Además,
por (8.6), el área entre la curva normal y el eje X es la unidad.

La función de distribución normal, útil para el cálculo de probabilidades, vendrá dada


por

Es claro que la probabilidad de que X tome un valor entre x1 y x2 puede calcularse por

Se puede demostrar que, efectivamente, los parámetros μ y de la distribución normal


coinciden con la media y la desviación típica de dicha distribución. Para el caso de la
media

pág. 17
Donde hemos aplicado el mismo cambio de variables que anteriormente (z = (x−μ)/").
Separando la integral en dos términos

Como queríamos demostrar. Para la varianza:

Donde se ha hecho el mismo cambio de variable. Integrando ahora por partes haciendo
u = z, dv = ze−z2/2 dz, de forma que: du = dz y v = −e−z2/2, se obtiene

pág. 18
2.3.2. Distribución Normal Tipificada

La dificultad de integración de las ecuaciones (8.7) y (8.8) para calcular probabilidades


de una distribución hace que sea sumamente útil presentar las áreas bajo la curva
normal en forma tabular. Para no tener que presentar estas tablas para todos los
posibles valores de μ y " se define la variable normal tipificada Z a partir de una
transformación lineal de la variable original X de la forma:

Haciendo esta sustitución en la función de densidad de X (f(x)dx = f(z)dz)

Por lo tanto, la variable tipificada sigue una distribución normal con media 0 y desviación
típica 1, llamada Función de densidad tipificada, o estándar. Es claro que esta
distribución no depende de ningún parámetro y su representación gráfica es una
campana simétrica respecto al eje z=0, en el que alcanza el máximo valor. El problema
de calcular la probabilidad de que X se encuentre en un intervalo (x1, x2) se puede
reducir entonces a calcular la probabilidad de que Z este en un intervalo equivalente
(z1, z2)

Por lo tanto, usando la variable tipificada solo es necesario trabajar con una tabla de la
distribución normal. En la Tabla IV (Apéndice A) se presentan las probabilidades de que
Z tenga un valor mayor que un z# dado. Se tabulan ´únicamente los valores de z# (0.
Es lo que se conoce como las áreas de la cola derecha de la distribución

pág. 19
Para calcular la probabilidad de que Z esté por debajo de un determinado valor z# se
usara por la condición de normalización

Asimismo, si z# fuese negativo, por ser la curva simétrica:

y la probabilidad de que Z esté entre dos valores se calcula por:

pág. 20
En particular, puede calcularse la probabilidad de que Z se encuentre en el intervalo
(−1, 1), correspondiente a un intervalo (μ − ", μ + ") para cualquier distribución normal.

De manera análoga:

Nótese que estas probabilidades son más precisas que las que daba el teorema de
Chebyshev, que indicaba que las probabilidades eran, como mínimo 0.0, 0.75 y 0.89,
para 1", 2" y 3" respectivamente.

2.4. Distribución De X2 Person

Sean X1, X2, . . ., Xn n variables aleatorias normales con media 0 y varianza 1


independientes entre sí, entonces la variable

pág. 21
Recibe el nombre de X AL CUADRADO con grados de libertad. La función de densidad
asociada es la distribución x al cuadrado de Pearson, que se puede expresar como:

Donde R alfa es la función gamma, definida, para cualquier real positivo ', como

Nótese que la variable x al cuadrado toma ´únicamente valores positivos, al ser una
suma de cuadrados. Además, su distribución depende ´únicamente del parámetro n, o
número de grados de libertad. Gráficamente, su función de densidad es muy asimétrica
(para n = 1 corresponde a elevar al cuadrado una curva normal tipificada), pero se va
haciendo más simétrica a medida que n aumenta.

pág. 22
Para demostrar estas relaciones partimos de la definición x2 de la figura y utilizamos la
propiedad de la media y varianza de una suma de variables independientes

Es necesario entonces calcular la media y la varianza de un variable X2i. Puesto que Xi es


normal con media 0 y varianza 1, se cumple

Para calcular la varianza de X2i hacemos

Integrando por partes con

pág. 23
2.5. Distribución T De Student.

En probabilidad y estadística, la distribución t (de Student) es una distribución de


probabilidad que surge del problema de estimar la media de una población normalmente
distribuida cuando el tamaño de la muestra es pequeño.

Aparece de manera natural al realizar la prueba t de Student para la determinación de


las diferencias entre dos medias muestrales y para la construcción del intervalo de
confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce
la desviación típica de una población y ésta debe ser estimada a partir de los datos de
una muestra.

Sean X1, X2, ..., Xn y X , n + 1 variables aleatorias normales con media 0 y desviación
típica σ independientes entre sí, entonces la
variable

La función de densidad asociada es la distribución t de Student (introducida por W.S.


Gosset), que se puede expresar como

Cuando n aumenta f(t) se va haciendo cada vez más apuntada, tendiendo a la curva
normal tipificada

pág. 24
(N(0, 1)) cuando n → ∞. En general, la curva normal es una buena aproximación de la
distribución t cuando n ≥ 30.

La media y la varianza de la distribución t vienen dadas por

FÓRMULAS

o Aproximación de una binomial por una normal.


Si X es una variable binomial B(n, p) donde n es grande y ni p ni q  1  p
están próximas a cero, entonces puede aproximarse por una variable normal
N ( ,  ) haciendo coincidir media y varianza, es decir   np ,   npq . Por lo

tanto, en estas condiciones B(n, p) se puede aproximar por N (np, npq ) .

Además, tendremos en cuenta la corrección por continuidad, es decir:

pág. 25
Binomial Normal

P( X  a ) P(a  0,5  X  a  0,5)

P( X  a ) P( X  a  0,5)
P( X  a ) P( X  a  0,5)

P( X  a ) P( X  a  0,5)

P( X  a ) P( X  a  0,5)
P(a  X  b) P(a  0,5  X  b  0,5)
P(a  X  b) P(a  0,5  X  b  0,5)
P(a  X  b) P(a  0,5  X  b  0,5)
P(a  X  b) P(a  0,5  X  b  0,5)

pág. 26
EJERCICIOS

1. La media de accidentes con un cierto impacto medioambiental que se produce


en un cierto país a lo largo de un año es de 25. Suponiendo el número de
accidentes es una variable de Poisson, se pide:

a) Probabilidad de que un año haya exactamente 30 accidentes.

Vamos a resolver el ejercicio aproximando por una normal. En este caso,     25

,     5 . Por lo tanto,

X  N (25,5)

En consecuencia, con la corrección por continuidad

 29'5  25 30'5  25 
P( X  30)  P(30  0,5  X  30  0,5)  P z 
 5 5 
 P(0'9  z  1,1)  P( z  1,1)  P( z  0,9)  0,8643  0,8159  0,0484

b) Porcentaje de años en los que se esperan menos de 30 accidentes.

Con la corrección por continuidad,

 29'5  25 
P X  30  0'5  P z    P( z  0,9)  0,8159
 5 

Por lo tanto, 81.59%

pág. 27
c) Probabilidad de que un año haya entre 20 y 40 accidentes.

Con la corrección por continuidad,

P20  0,5  X  40  0,5  P 1,1  z  3,1      0,8633

1. El volumen de precipitaciones estimado para el próximo año en la ciudad


de Lima va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la
función de distribución y la precipitación media esperada
Solución:

(𝑥) = 1 /500 − 400 = 0,01

Es decir, que el volumen de precipitaciones esté entre 400 y 401 litros tiene un
1% de probabilidades; que esté entre 401 y 402 litros, otro 1%, etc. La función
de distribución es:
F(𝑥) = 𝑥−400/500−400 = 𝑥−400/100

(𝑥)= 400 + 500/2 = 450

RPTA= Es decir, la precipitación media estimada en Lima para el próximo


año es de 450 litros por metro cuadrado.

2. Sea X una variable aleatoria continua con distribución uniforme, con media
1 y varianza 4/3. Calcular P (x<= 0)
Solución:

u= 𝑎+𝑏 2 = 1 ……………………… (1)

pág. 28
σ2 = (𝑏−𝑎)2/12 = 4/3 …………… (2)

Despejar b de las 2 ecuaciones

De (2) b= 2-a

De (1) (𝑏 − 𝑎)2 = 4 3 = 16 → b = 4+ a

(1) = (2)
2-a = 4- a → a = -1 y b = 3

P(x<=0) = F(x) = 𝑥−𝑎/𝑏−𝑎 = 0+1/3+1 = 1/4 = 0.25 RPTA.

3. El costo de las inscripciones el próximo semestre estará entre los S/2,100


a los S/2,600.

a) Encontrar función de distribución


Solución.

1
𝑓(𝑥) =
𝑏−𝑎
1
𝑓(𝑥) =
2600 − 2100
1
𝑓(𝑥) =
500
𝑓(𝑥) = 0.002

b) precio medio que se espera que se cobren.


Solución.

pág. 29
𝑎+𝑏
𝐸(𝑥) =
2
2100 + 2600
𝐸(𝑥) =
2
4700
𝐸(𝑥) =
2
(𝑥) = 2350
4. Un reloj de manecillas se detuvo en un punto que no sabemos. Determine
la probabilidad de que se haya detenido en los primeros 25 minutos luego
de señalar la hora en punto.
Solución:

Intervalo: [0-60]
f(x) = 1/60-0 = 1/60

25
P(x) = P(0 ≤ x ≤ 25)=  1 / 60dx = 5/12
0
RPTA = 5/12

5. Se conoce que un autobús pasa cada 10 minutos.


a) Hallar la probabilidad de esperar menos de 2 minutos.
b) El tiempo medio de espera
c) La desviación típica del tiempo de espera
Solución:

Sea X: El tiempo de espera en la parada del autobús

 X~ U (0, 10)

a) f(x) = 1 = 1 si 0< x < 10

0 en el resto

pág. 30
2
Entonces P(X< 2) =

 f (x)
2
1
=

 10dx

= 0.2

b) E(X) = 0 + 10/2 = 5 minutos

(10  0) 2
c) σ = = 3 minutos
12

pág. 31
CONCLUSIONES

El estudio de las diferentes distribuciones continuas de probabilidad, es base


fundamental en la estadística por que mediante la aplicación correcta de los
diferentes métodos de estudio, podemos nosotros darle muchos usos como para
realizar experimentos de simulación, muestrear distribuciones arbitrarias,
aplicaciones en física, también resultan fundamentales a la hora de tomar
decisiones en inferencia estadística y realizar contrastes de hipótesis.

pág. 32
RECOMENDACIONES

1. El estudiante está obligado a involucrarse y poner en práctica los distintos


procesos formativos que se los brinda acerca, del estudio de distribuciones
de probabilidad continuas. Mediante tutoriales, libros etc. Y así lograr el
dominio y manejo respectivo.
2. Se recomienda al estudiante tener cuidado con los cálculos matemáticos usar
las formulas correctas para así no tener un resultado erróneo en la ejecución
de los problemas.
3. Es recomendable trabajar en grupo cuando se tiene duda de algunos temas
estudiados, tomando énfasis los puntos donde se requiere una retro
alimentación.

pág. 33
ANEXOS

pág. 34
BIBLIOGRAFÍA

 http://www.kramirez.net/ProbaEstad/Material/Presentaciones/Distribuciones
ProbabilidadContinuas.pdf

 www3.uah.es/.../Aproximacion%20de%20una%20binomial%20por%20una
%20norm...

 https://es.slideshare.net/monicamantillahidalgo/distribucion-uniforme-
continua

 Libro Estadística Básica


Para Estudiantes De Ciencias
Autor: Javier Gorgas García
Nicolás Cardiel López
Jaime Zamorano Calvo
Edición: Versión 17 de febrero de 2011
Página: del 89 ala pág. 99

pág. 35