Académique Documents
Professionnel Documents
Culture Documents
Tendencia central La tendencia central se refiere al punto medio de una distribución. Las medidas
de tendencia central se conocen también como medidas de posición.
Sesgo Las curvas que representan los datos puntuales de un conjunto de datos pueden ser
simétricas o sesgadas.
Por lo general, en estadística se usan letras del alfabeto latino para simbolizar la información de
las muestras y letras griegas para referirnos a la información de las poblaciones.
∑𝑥
𝜇=
𝑁
∑𝑥
𝑥̅ =
𝑛
8 5 9 10 9 12 7 12 13 7 8
Para los primeros 6 meses, el promedio es 272.33 < 300, de manera que el dueño no
construirá la nueva tienda.
∑(𝒘 ∗ 𝒙)
̅=
𝒙
∑𝒘
Donde:
̅
𝒙 = símbolo para la media ponderada.
𝒘 = peso asignada a cada observación.
∑(𝒘 ∗ 𝒙) = la suma de los productos de la ponderación de cada
elemento por el elemento correspondiente.
∑ 𝒘 = suma de todas las ponderaciones.
Procedimiento:
𝑃𝑟𝑜𝑚1
(𝑇𝑎𝑟𝑒𝑎𝑠 ∗ 𝑉𝑎𝑙𝑜𝑟) + (𝑃𝑎𝑟𝑐 ∗ 𝑉𝑎𝑙𝑜𝑟) + (𝐴𝑟𝑡.∗ 𝑉𝑎𝑙𝑜𝑟) + (𝐸𝑥. 𝑆𝑒𝑚 ∗ 100) + (𝐸𝑥. 𝐹𝑖𝑛 ∗ 𝑉𝑎𝑙𝑜𝑟)
=
100
Resultados:
Estudiante 1: 88.55
Estudiante 2: 87.75
Estudiante 3: 89.55
Estudiante 4: 86.65
Estudiante 5: 88.50
𝑛+1
𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = ( ) − 𝑒𝑠𝑖𝑚𝑜 𝑡𝑒𝑟𝑚𝑖𝑛𝑜 𝑑𝑒𝑙 𝑎𝑟𝑟𝑒𝑔𝑙𝑜 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠
2
1. La empresa Meridian Trucking lleva un registro del kilometraje de todos sus vehículos. A
continuación presentamos registros del kilometraje semanal:
810 450 756 789 210 657 589 488 876 689
1,450 560 469 890 987 559 788 943 447 775
1. Las siguientes son las edades en años de los automóviles en los que trabajó Village
Autohaus la semana pasada: 5, 6, 3, 6, 11, 7, 9, 10, 2 4, 10, 6, 2, 1 5
a) Calcule la moda para este conjunto de datos.
Moda = 6
b) Calcule la media para este conjunto de datos.
Media = 5.8
c) Compare los incisos a) y b) y comente cuál es la mejor medida de tendencia central de
estos datos. Como la frecuencia modal es solo 3 y los datos son razonablemente
simétricos la media es mejor medida de tendencia central.
Varianza de población
Cada población tiene una varianza, su símbolo es 𝜎 2 (sigma cuadrada). Para calcular la varianza de
una población, la suma de los cuadrados de las distancias entre la media y cada elemento de la
población se divide entre el número total de observaciones en población.
∑(𝒙 − 𝝁)𝟐
𝝈𝟐 =
𝑵
La desviación estándar nos permite determinar, con un buen grado de precisión, dónde están
localizados los valores de una distribución de frecuencias con relación a la media.
Podemos medir aún con más precisión el porcentaje de observaciones que caen dentro de un
rango específico de una curva simétrica con forma de campana. En estos casos, podemos decir
que:
En la teoría de probabilidad, la actividad que origina uno de dichos eventos se conoce como
experimento.
Se dice que los eventos son mutuamente excluyentes si uno y sólo uno de ellos puede tener lugar
a un tiempo. Considere de nuevo el ejemplo de la moneda. Tenemos dos resultados posibles, cara
y cruz. En cualquier lanzamiento obtendremos una cara o una cruz, nunca ambas.
Cuando una lista incluye todos los eventos que pueden resultar de un experimento, se dice que la
lista es colectivamente exhaustiva.
2. la fracción de veces que un evento se presenta a la larga, cuando las condiciones son
estables.
Las probabilidades subjetivas están basadas en las creencias de las personas que efectúan
la estimación de probabilidad.
Propiedades: p(xi) < 1 Las probabilidades asociadas a cada uno de los valores que toma x deben
ser mayores o iguales a cero y menores o iguales a 1.
Ep (xi) = 1 La sumatoria de las probabilidades asociadas a cada una de los valores que toma x
deben ser igual a 1.
X es la variables que nos define la concentración de gramos de plata de alguna muestra de mineral
(14.5gr, 12.1gr,….., n).
Variables aleatorias
Una variable es aleatoria si toma diferentes valores como resultado de un experimento aleatorio.
Esta variable aleatoria puede ser discreta o continua. Si puede tomar sólo un número limitado de
valores, entonces es una variable aleatoria discreta. En el otro extremo, si puede tomar cualquier
valor dentro de un intervalo dado, entonces se trata de una variable aleatoria continua.
Para obtener el valor esperado de una variable aleatoria discreta, multiplicamos cada valor que la
variable puede tomar por la probabilidad de ocurrencia de ese valor y luego sumamos los
productos.
La distribución binominal
Una distribución de probabilidad de variable aleatoria discreta utilizada ampliamente es la
distribución binomial. Por otra parte, describe datos discretos, no continuos, que son resultado de
un experimento conocido como proceso de Bernoulli
Características
1. Cada intento (cada lanzamiento, en este caso) tiene solamente dos resultados posibles:
cara o cruz, sí o no, éxito o fracaso.
2. La probabilidad del resultado de cualquier intento (lanzamiento) permanece fijo con
respecto al tiempo.
3. Los intentos son estadísticamente independientes, es decir, el resultado de un
lanzamiento no afecta el resultado de cualquier otro lanzamiento.
𝒏!
𝑷𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒙 𝒆𝒙𝒊𝒕𝒐𝒔 𝒆𝒏 𝒏 𝒊𝒏𝒕𝒆𝒏𝒕𝒐𝒔 = ∗ 𝒑𝒙 ∗ 𝒒𝒏−𝒙
𝒙! (𝒏 − 𝒙)!
Ejercicios
2. El último sondeo político nacional indica que la probabilidad de que estadounidenses elegidos al
azar sean conservadores es de 0.55; de que sean liberales es de 0.30, y de que estén entre una y
otra orientación es 0.15. Suponga que estas probabilidades son exactas y responda a las siguientes
preguntas referidas a un grupo de 10 estadounidenses seleccionados de manera aleatoria.
4. En un estudio reciente acerca de cómo pasan los estadounidenses su tiempo libre se entrevistó
a trabajadores con más 5 años en su empleo. Se calculó en 0.45 la probabilidad de que un
empleado tuviera 2 semanas de vacaciones; en 0.10 que contara con 1 semana, y en 0.20 que
disfrutara de 3 semanas o más. Suponga que se seleccionan 20 empleados al azar. Responda a las
siguientes preguntas.
P=0.2701
c) ¿Cuál es la probabilidad de que cuando mucho 2 trabajadores tengan 3 semanas o más de
vacaciones?
La distribución de Poisson
La distribución de Poisson se utiliza para describir ciertos tipos de procesos, entre los que se
encuentran la distribución de llamadas telefónicas que llegan a un conmutador, las solicitudes de
pacientes que requieren servicio en una institución de salud, las llegadas de camiones y
automóviles a una caseta de cobro, y el número de accidentes registrados en cierta intersección.
𝛌𝒙 ∗ 𝒆−𝛌
𝑷(𝒙) =
𝒙!
Ejercicios
a) P(x ≤2).
b) P(x = 8).
2. Suponga que estamos investigando la seguridad de una peligrosa intersección. Los registros
policiacos indican una media de cinco accidentes mensuales en esta intersección. El número de
accidentes está distribuido de acuerdo con una distribución de Poisson, y el Departamento de
Seguridad de Tránsito desea que calculemos la probabilidad de que en cualquier mes ocurran
exactamente 0, 1, 2, 3 o 4 accidentes.
Existen dos razones fundamentales por las cuales la distribución normal ocupa un lugar tan
prominente en la estadística. Primero, tiene algunas propiedades que la hacen aplicable a un gran
número de situaciones en las que es necesario hacer inferencias mediante la toma de muestras.
Segundo, la distribución normal casi se ajusta a las distribuciones de frecuencias reales observadas
en muchos fenómenos, incluyendo características humanas (peso, altura, coeficiente intelectual),
resultados de procesos físicos (dimensiones y rendimientos), y muchas otras medidas de interés
para los administradores, tanto en el sector público como en el privado.
1. La curva tiene un solo pico; por tanto, es unimodal. Tiene la forma de campana que
mencionamos anteriormente.
Ejemplo 1 ¿Cuál es la probabilidad de que un participante elegido al azar requiera más de 500
horas para completar el programa?
Podemos ver que la mitad del área bajo la curva está localizada a ambos lados de la media de 500
horas. Por tanto, podemos deducir que la probabilidad de que la variable aleatoria tome un valor
mayor a 500 es el área sombreada, es decir, 0.5.