You are on page 1of 11

INDICE

INDICE
1. DISTRIBUCION NORMAL .............................................................................................................. 1
1.1. PROPIEDADES .................................................................................................................................................................. 2 1.2. FUNCIÓN ............................................................................................................................................................................. 2

2. ESTIMACION PARAMETROS......................................................................................................... 4
2.1. Escribir el título del capítulo (nivel 2) ................................................................................................................... 5

2.1.1.Escribir el título del capítulo (nivel 3) ........................................................................... 6 3. PRUEBA DE HIPOTESIS ................................................................................................................. 4
3.1. Escribir el título del capítulo (nivel 2) ................................................................................................................... 5

3.1.1.Escribir el título del capítulo (nivel 3) ........................................................................... 6

0

Caracteres fisiológicos.. o de una misma cantidad de abono. por ejemplo: efecto de una misma dosis de un fármaco. justificada por la frecuencia o normalidad con la que ciertos fenómenos tienden a parecerse en su comportamiento a esta distribución. por ejemplo: consumo de cierto producto por un mismo grupo de individuos. por ejemplo: cociente intelectual. En resumen.) de una especie.DISTRIBUCION NORMAL Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas.. por ejemplo. tallas. perímetros. Caracteres sociológicos. Valores estadísticos muéstrales. grado de adaptación a un medio etc. pesos. Otras distribuciones como la binomial o la de Poisson se pueden aproximar adecuadamente con la distribución normal. Caracteres psicológicos. plantas. puntuaciones de examen entre otros.. Caracteres morfológicos de individuos (personas. animales... diámetros. Errores cometidos al medir ciertas magnitudes. Su propio nombre indica su extendida utilización. 1 . la importancia de la distribución normal se debe principalmente a que hay muchas variables asociadas a fenómenos naturales que siguen el modelo de la normal. envergaduras.1. Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana. por ejemplo: la media...

La media indica la posición de la campana.1. VI. existe un 95% de posibilidades de observar un valor comprendido en el intervalo . por tanto. Cuanto mayor sea el valor de . más se dispersarán los datos en torno a la media y la curva será más plana. III.PROPIEDADES DE LA DISTRIBUCIÓN NORMAL: La distribución normal posee ciertas propiedades importantes que conviene destacar: I. V. V. Según esto. cualquier valor entre y es teóricamente posible.. 2 . La curva normal es asintótica al eje de abscisas. El área bajo la curva comprendido entre los valores situados aproximadamente a dos desviaciones estándar de la media es igual a 0. por tanto. Es simétrica con respecto a su media . Tiene una única moda. la desviación estándar determina el grado de apuntamiento de la curva. II. IV. VI. Cuanto mayor sea . II. La distancia entre la línea trazada en la media y el punto de inflexión de la curva es igual a una desviación típica ( ). Por otra parte. y un 50% de observar un dato menor. Un valor pequeño de este parámetro indica. para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media.1.95. Por ello. El área total bajo la curva es. que coincide con su media y su mediana. La forma de la campana de Gauss depende de los parámetros y (Figura 3). En concreto. igual a 1. IV. una gran probabilidad de obtener datos cercanos al valor medio de la distribución. III. más aplanada será la curva de la densidad. de modo que para diferentes valores de la gráfica es desplazada a lo largo del eje horizontal.

7182 y π = 3. 3 . ) Ahora.2.FUNCIÓN DE DENSIDAD DE UNA DISTRIBUCIÓN NORMAL: Si la variable aleatoria x tiene densidad para menos infinito < x < mas infinito Donde la media y la desviación estándar son números tales que menos infinito < la media < mas infinito y cero < la desviación estándar < más infinito. e = 2.. donde e y π son las constantes. NOTACIÓN: Si la variable aleatoria x sigue una distribución normal con media µ y varianza X~n(µ.1. mientras que la varianza da una medida de dispersión alrededor de la media. la media proporciona una medida de posición central.141.

σ y µ + σ es aproximadamente igual a 0. Con estos dos parámetros sabemos donde situar la campana de Gauss (En el punto correspondiente a la media) y cual es su dispersión (Determinado por la desviación estándar). 1.CONCLUSION : 4 .95 del área total: Es importante ver que los únicos parámetros necesarios para dibujar el gráfico de la distribución normal son la media y desviación estándar de la población. El área debajo de la curva comprendida entre µ .2σ y µ + 2σ es aproximadamente igual a 0.El área total debajo de la curva es igual a 1..3.68 del área total. entre µ .

la media o la desviación típica (estadísticos) pueden tomarse como estimadores de los parámetros μ y σ. Con una muestra aleatoria. es: El error máximo de estimación es: 5 . son. valores que caracterizan a la población. estimadores de los parámetros correspondientes (valores de la población) Es el procedimiento utilizado para conocer las características de un parámetro poblacional. tales como la media. un coeficiente de correlación. a la población correspondiente. siendo x la media de una muestra de tamaño n y σ la desviación típica de la población. Esta representatividad permite extender los valores que describen a las muestras (estadísticos). para la media de una población. de tamaño n. Nivel de confianza Probabilidad de que el parámetro a estimar se encuentre en el intervalo de confianza. pues. a partir del conocimiento de la muestra. pero también necesitamos precisar un: Intervalo de confianza Se llama así a un intervalo en el que sabemos que está un parámetro. Error de estimación admisible Que estará relacionado con el radio del intervalo de confianza. podemos efectuar una estimación de un valor de un parámetro de la población. Estimación de la media de una población El intervalo de confianza. El nivel de confianza (p) se designa mediante 1 − α. la desviación típica. fundándose en las observaciones de una parte de los mismos (muestra). La estadística nos proporciona herramientas que formalizan y uniforman los procedimientos para sacar conclusiones siempre que las muestras seleccionadas sean representativas de la población que han sido extraídas. valores obtenidos en la muestra. Los estadísticos. es decir. con un nivel de confianza específico.ESTIMACIÓN DE PARÁMETROS A la inferencia estadística le interesa sacar conclusiones de un gran número de acontecimientos (población). con un nivel de confianza de 1 − α .

5 minutos y un nivel de confianza del 95%.2 minutos. 1. Indica el tamaño muestral necesario para estimar dicho tiempo medio con un el error de ± 0. El tiempo que tardan las cajeras de un supermercado en cobrar a los clientes sigue una ley normal con media desconocida y desviación típica 0. Calcula el intervalo de confianza al nivel del 95% para el tiempo medio que se tarda en cobrar a los clientes. aumenta el tamaño de la muestra. n. tenemos que aumentar el tamaño de la muestra. Tamaño de la muestra Si aumentamos el nivel de confianza. Si disminuimos el error. 1-α.5 minutos. Para una muestra aleatoria de 25 clientes se obtuvo un tiempo medio de 5. n≥4 6 . menor es el error. Cuanto mayor sea el nivel de confianza.Cuanto mayor sea el tamaño de la muestra. mayor es el error. 2.

86861 .8686 = 0.2 q = 1 . ¿Qué nivel de confianza debe adoptarse para aceptar que el rendimiento no ha sufrido variaciones? p = 0. encontrándose que 90 de ellos eran defectuosos. Tras una serie de operaciones e inversiones destinadas a mejorar el rendimiento se analizó una muestra aleatoria de 500 componentes.0.18 = 0.12) = 0.02 P (1 . la proporción p' .p =0.zα/2 <1. de individuos con dicha característica en las muestras de tamaño n.2 . la proporción de componentes finales defectuosos era del 20%.8 p'= 90/ 500 = 0. una determinada característica se presenta en una proporción p.Estimación de una proporción Si en una población.1314 7 . se distribuirán según: Intervalo de confianza para una proporción El error máximo de estimación es: En una fábrica de componentes electrónicos.18 E = 0.0.

0. entonces otra cosa es cierta. Hipótesis Estadística: Una hipótesis estadística es un reclamo hecho sobre la naturaleza de una población. Por ejemplo. entonces se pone a prueba el reclamo del manufacturero.1314 = 0.0. o conjetura que se pronuncia sobre la naturaleza de una o varias poblaciones. Por lo tanto. es una hipótesis estadística porque el manufacturero no inspecciona la vida de cada batería que él produce. Hipótesis Alterna: Una premisa que es cierta cuando la hipótesis nula es falsa. El reclamo o conjetura se refiere a una hipótesis. El proceso que corrobora si la información de una muestra sostiene o refuta el reclamo se llama prueba de hipótesis. Si surgieran quejas de parte de los clientes.737 Nivel de confianza: 73. COMO ESTABLECER LA HIPÓTESIS NULA Y LA ALTERNA Hipótesis Nula (H0): premisa. La hipótesis estadística sometida a prueba se llama la hipótesis nula. para el productor de baterías 8 . HIPÓTESIS Y NIVELES DE SIGNIFICANCIA En la prueba de hipótesis se pone a prueba un reclamo hecho sobra la naturaleza de una población a base de la información de una muestra. Sin embargo es frecuente que usemos la información de una muestra para probar un reclamo o conjetura sobre la población. Luego se procede a tomar una muestra aleatoria de baterías y medir su vida media. Por ejemplo. El reclamo se llama hipótesis estadística. reclamo. Si la información obtenida de la muestra no apoya el reclamo en la hipótesis nula (H0).8686 . y se denota como H0. para probar o desaprobar el reclamo pronunciado por el productor de baterías debemos probar la hipótesis estadística de que  48. Por ejemplo. la premisa formulada por un productor de baterías para autos de que su batería dura en promedio 48 meses. La premisa alterna a la hipótesis nula se llama hipótesis alterna y se representa por H1. la hipótesis nula es: H0 :  48.72% PRUEBA DE HIPÓTESIS La estadística inferencial es el proceso de usar la información de una muestra para describir el estado de una población.

debemos especificar la probabilidad de rechazar H0. 2. denotada por . Estadística de Prueba: Una estadística de prueba se basa en la información de la muestra como la media o la proporción . NIVEL DE SIGNIFICANCIA () Para ser muy cuidadosos en no cometer el error tipo 1. 1. como el promedio.H0 : H1 :  48 y  < 48 Para probar si la hipótesis nula es cierta. Y el segundo error se llama error Tipo 2. ERROR TIPO 1 Y ERROR TIPO 2 A base de la información de una muestra nosotros podemos cometer dos tipos de errores en nuestra decisión. se toma una muestra aleatoria y se calcula la información. Esta información muestral se llama estadística de prueba. 9 . A ésta se le llama nivel de significancia. debemos escoger un valor pequeño de . Usando un valor preasignado de  se construye una región de rechazo o región crítica en la curva normal estándar o en la curva t que indica si debemos rechazar H0 . Nivel de Significancia: La probabilidad ( más alta de rechazar H0 cuando H0 es cierto se llama nivel de significancia. Podemos rechazar un H0 que es cierto. Región Crítica o de Rechazo: Una región crítica o de rechazo es una parte de la curva de z o de la curva t donde se rechaza H0. la proporción. Error Tipo 2: Cuando aceptamos una Hipótesis Nula que es falsa cometemos error tipo 2. etc. Comentario: Para mantener la probabilidad de cometer el error tipo 1 baja. El primero se llama error Tipo 1 Error Tipo 1: Cuando rechazamos una Hipótesis Nula que es cierta cometemos error tipo 1. Podemos aceptar un H0 que es falso.

La región puede ser de una cola o de dos dependiendo de la hipótesis alterna. 10 .