Estadística descriptiva,

dist. probabilidad y dist. muestral

ESTADISTICA DESCRIPTIVA

Consiste en describir brevemente un gran conjunto de

mediciones con unos cuantos valores clave resumidos.
Valores clave o parámetros:
Media poblacional y muestral
Valores clave o parámetros:
Desviación estándar muestral y poblacional
Valores clave o parámetros:
Varianza muestral y poblacional

Varianza poblacional Varianza muestral

Ejemplo: Procedimiento manual
Considérese el siguiente conjunto de edades de personas, en donde se considera que
los valores son una muestra de la población, en vez de la población misma:
23 , 38, 42, 25, 60, 55, 50, 42, 32, 35
Halle la media, desviación estándar y varianza.

• Media:

402
 = 40,2
10
• Desviación estándar y varianza:
X X - XRAYA (𝑋 − 𝑋𝑅𝐴𝑌𝐴)2
23 -17.2 295.84
Varianza
38 -2.2 4.84
1339.60
42 1.8 3.24 𝑆2= = 148.84
10−1
25 -15.2 231.04
60 19.8 392.04
Desviación estándar
55 14.8 219.04
50 9.8 96.04
42 1.8 3.24
𝑠= 148.84 = 12.2
32 -8.2 67.24
35 -5.2 27.04
∑(𝑿 − 𝑿𝑹𝑨𝒀𝑨)𝟐 = 1 339.60
Procedimiento con software: SPSS
Arrastramos la variable Edad (X) al casillero “Variables” y en opciones marcamos media, desviación
estándar y varianza y “continuar”.
Como resultado sale esta tabla donde nos muestra el valor de la media, desviación estándar y
varianza.
 DISTRIBUCIONES DE PROBABILIDAD

Es una función que asigna a cada suceso

definido la probabilidad de que dicho
suceso ocurra.  Discreta: Son posibles ciertos
valores específicos

Ej.: habitaciones de una casa, piezas

defectuosas, etc.

Tipos de Variable aleatoria  Continua: Son posibles cualquier

Variables valor dentro de un rango.

Ej.: tiempo entre llegadas de autos,

longitud de una pieza manufacturada,
etc.
Si la variable es una variable discreta, corresponderá una distribución discreta,
de las cuales existen:

Distribución Binomial Distribución Poisson

Requisitos
1. Existen n pruebas idénticas, que tienen
sólo uno de dos resultados posibles
2. La probabilidad de éxito de cada resultado
permanece fija entre prueba y prueba.
3. Las pruebas son independientes.
Se aplica a problemas donde la v.a. es el
número de eventos independientes que
ocurren en un intervalo de tiempo o región
plana con promedio dado.
Ej.: Número de llamadas en un minuto,
número de fallas en superficie de cerámica.
Ejemplo
Si la variable es continua, la distribución que se generará será una distribución
continua, también llamada distribución normal o gaussiana.

Distribución Normal
Propiedades

 Es simétrica respecto de su media μ.

 La moda y la mediana son ambas iguales a la
media μ.
 El área total que encierra la curva y el eje X es
igual a 1.
 Ejemplo

Respuesta:
 DISTRIBUCIONES MUESTRALES
Una distribución muestral es la distribución de todos los valores posibles del estadístico muestral
que se pueden obtener de la población, para un tamaño de muestra dado.

TEOREMA DEL LIMITE CENTRAL

Conforme aumenta el tamaño de la muestra, la distribución muestral de las medias de la muestra
tiende hacia la distribución normal; donde:

Media de la población Desviación estándar de la población.

Distribución Z Distribución T

t
S
S muestral
 Ejemplo 1

Datos:
Xraya = 2 Error estándar:
= 15 = 1.33
n= 100

Aplicamos la distribución Z.

2
 Z = 1.33 = 0.4082

Se duplica el área para contabilizar ambos lados de la media.

0.8164 = 82% de que la media de la muestra sea de 2 libras.
Ejemplo 2
Datos:
µ= 30 días
n= 15 quejas
Xraya= 35.9 días 0.025 0.025
S= 10.2 días
-2.145 +2.145
gl= 15-1 = 14  𝑡0.025 = 2.145

Reemplazando en la formula.

35.9−30
= 10.2 = 2.240 ; el cual excede a 2.145.
15