Académique Documents
Professionnel Documents
Culture Documents
Introducción
Introducción: índice de cuestiones a tratar
2
Introducción: lecturas
3
Introducción: el marco de referencia (1)
Se caracteriza porque
(I) tiene en la realidad el origen de sus preguntas y el aval para sus respuestas
(metodología empírica),
(II) se sirve de herramientas formales cuyo referente último es la lógica
(metodología hipotético-deductiva).
______________________________
(*) mútuamente excluyentes (incompatibles): sin ningún elemento común.
Introducción: la organización de la información (2)
(2) Variable aleatoria: función que asigna un número (distinto) a todos y cada
uno de los resultados (distintos) de un experimento aleatorio (forma de
representar o codificar la información).
(3) A la función que asocia a todos y cada uno de los valores de una
variable aleatoria una probabilidad correspondiente se le conoce como
distribución de probabilidad (inducida) de la v.a., f(x) = P(X=x). En el caso
de que la v.a sea discreta (tome solo valores enteros) se habla de función de
probabilidad, mientras que cuando la v.a. es continua (toma valores reales) se
habla de función de densidad de probabilidad ( y el concepto es un poco más
sutil).
(4) A la función que asocia a todos y cada uno de los valores de una
variable aleatoria la suma de su probabilidad asociada mediante f(x) más
las probabilidades igualmente asociadas mediante f(x) a todos los valores
que están por debajo (según un orden creciente) se le conoce como
función de distribución de la v.a., F(x) = P(X≤x).
Existe una relación de mútua especificación entre f(X) y F(X): Sean x1<x2.
P(x1<X≤x2) = F(x2)–F(x1).
P(X>x) = 1-P(X≤x) = 1-F(x).
V. a. discretas: Distribución de Bernoulli
Función de probabilidad:
B(n,p) = f(xi) = P(X=x) = [n!/(x!(n-x)!)]pxq(n-x)
Función de distribución:
k
F(x) = P(X≤xk) = ∑ [n!/(xi!(n-xi)!)]pxiq(n-xi)
i=1
Parámetros: E(X)=np.
VAR(X)=npq.
V.a. discretas: Distribución de Poisson
Función de distribución:
f(x) F(x)
0’5
n=10
n=30
n=60
20 40 60 80
V.a. continuas: Distribución
Parámetros: E(X)=n.
VAR(X)=2n.
Características:
- Suma de n distribuciones normales tipificadas al cuadrado.
- Uniparamétrica: grados de libertad, n.
- Sólo toma valores mayores o iguales a 0.
- Asimétrica positiva.
- Asintótica respecto al eje de abscisas.
- Si n→∞, la distribución se aproxima a la normal.
- Se utiliza para comparar distribuciones.
V.a. continuas: Distribución tn
-4 -3 -2 -1 0 1 2 3 4
V.a. continuas: Distribución tn
Parámetros: E(X)=0.
VAR(X)=n/(n-2).
Características:
- Simétrica respecto a tn=0.
- Tiene un máximo en tn= 0.
- Asintótica respecto al eje de abscisas.
- Si n→∞, la distribución se aproxima a la normal.
- Desarrollada por Gossett (Student), se utiliza en vez de la normal con
muestras pequeñas.
V.a. continuas: Distribución F de Fisher-Snedecor
n1=20 y n2=40
n1=10 y n2=20
n1=5 y n2=10
0 1 2 3 4 5 6
V.a. continuas: Distribución F de Fisher-Snedecor
Parámetros: E(X)=n2/(n1-2).
VAR(X)=[2n22(n1+n2-2)]/[n1(n2-4)(n2-2)2].
Características:
- Sólo toma valores mayores o iguales a cero.
- Asimétrica positiva.
- Asintótica respecto al eje de abscisas.
- Si n1 y n2→∞, la distribución se aproxima a la normal.
Introducción: la medición
11
Introducción: el impulso a los tests
13
Introducción: la medición siguiendo a Stevens (I)