Universidad Tecnológica de Tehuacán

Programa Educativo T.S.U. Mecatrónica

Unidad 2

Materia: Probabilidad y Estadística
Alumnos:

De Jesús Huerta Isaí
González Hernández Eduardo Daniel
Perzabal Suriano Miguel Alejandro

Grupo: 3°A
Profesor: Ing. Odón Cortez Vázquez

Tehuacán Puebla a 9 de Junio de 2016

 U / ∅: El primer símbolo indica el conjunto universal. El otro conjunto.1Notación de conjuntos. 2.3VACIO Es un conjunto que carece de elementos. Los representaremos con una letra minúscula: a.…  ∈ / ∉: Se usa para expresar si un elemento pertenece o no a un conjunto. Se suele llamarle conjunto nulo. es decir ∀x. fabricas. B = { x / x es un mes que tiene 53 días} B = { } B = Ø C = { x / x3 = 8 y x es impar } C = { } C = Ø D = { x / x es un día de 90 horas } D = { } D = Ø . U es el conjunto de todas las ciudades. Así. si hablamos de números enteros entonces U es el conjunto de los números enteros. no habiendo elementos duplicados o repetidos. y cada uno de ellos es único. 2. o en la mayoría de los casos se da por supuesto dado el contexto que estemos tratando.c. etc. pero siempre es necesario demostrar la existencia de dicho conjunto previamente.  ⊂: Se usa para expresar que un conjunto. este conjunto universal puede mencionarse explícitamente.b. ríos. finito o infinito de seres vivos. forman parte de otro conjunto mayor. tienen cualidades que nos permiten diferenciarlos. es el conjunto de todas las cosas sobre las que estemos tratando. elementos o cosas. x∉∅. Se habla de universo de personas. estos elementos tienen carácter individual. y por lo tanto. se le llama conjunto vacío y cumple que todos los elementos posibles no están contenidos en él. automóviles.2Universo: Se denomina Universo estadístico a un conjunto. si hablamos de ciudades. y se le denota por el símbolo ø o { }. todos sus elementos. Probabilidad y Estadística Unidad: 2 2. familias. sobre los cuales están definidas características que interesa analizar. Llamaremos elemento a cada uno de los objetos que forman parte de un conjunto.

lógica de clases y razonamiento diagramático.4Subconjunto En las matemáticas. 10. 5. las regiones encerradas por sus líneas límite se superponen. 12. 3. 3.1 A = {1. 5. {1. 15. 3} ⊆ {1. . 3. El conjunto de los elementos que pertenecen simultáneamente a otros dos es la intersección de ambos. La diferencia entre los conjuntos es enformando por los elementos que pertenecen a uno y a los otros no. un conjunto B es subconjunto de un conjunto A si B «está contenido» dentro de A. Intersección Dado que los conjuntos pueden tener elementos comunes. La línea cerrada exterior abarca a todos los elementos bajo consideración.EJEMPLO GRAFICADO 2.} ⊆ {1. 4.. 3. El «conjunto de todos los hombres» es un subconjunto del «conjunto de todas las personas». . 11. 6. «A incluye a B». 6. 12} B = {1. 2... el conjunto universal U. 2. 2. Estos diagramas muestran colecciones (conjuntos) de cosas (elementos) por medio de líneas cerradas. 2. Ejemplos. Otras maneras de decirlo son «B está incluido en A». Recíprocamente. se dice que el conjunto A es un superconjunto de B cuando B es un subconjunto de A. 15} U = {1. 16} . 4. 14. tema de interés en matemáticas.} = N ( {Números pares} ⊆ {Números naturales} ) 2. 9. 6. 8. 13. 3.5Diagrama de Venn Los diagramas de Venn son esquemas usados en la teoría de conjuntos. 4. 7. 4} {2. etc.

7.6Operaciones con conjuntos. diferencia simétrica y complemento. 3. 3. . 7. 6} U = {1. la región de superposición queda vacía. 3. 5. 2 A = {1. 6. Las operaciones con conjuntos también conocidas como álgebra de conjuntos. la situación se indica anulándolas (con un color de fondo distinto). nos permiten realizar operaciones sobre los conjuntos para obtener otro conjunto. 12} A = {x | x es divisor natural de 12} B = {x | x es divisor natural de 6} U = {x | x es natural menor o igual que 12} Disyunción Cuando los conjuntos no tienen elementos comunes. 3. 7. 2. 9} U = {1. 4. cuando hay regiones que no contienen elementos (regiones vacías). A = {2. 10. 6. 8} B = {1. 8. 4. 4. 6. A = {x | x es divisor natural de 12} B = {x | x es divisor natural de 15} U = {x | x es natural menor o igual que 16} Inclusión Si todos los elementos de un conjunto son parte de los elementos de otro. 2. 6.1 En los diagramas de Venn. 3. 5. intersección. diferencia. todas las regiones de superposición posibles deben ser representadas. 9. se dice que el primero es un subconjunto del segundo o que está incluido en el segundo. 11. 9. 8. 4. 12} B = {1. 2. Y. 2. 10} A = {x | x es par y de una cifra} B = {x | x es impar y de una cifra} U = {x | x es natural menor o igual que 10} 2. 5. De las operaciones con conjuntos veremos las siguientes unión.

5.8.6. Ejemplo 1.9.9}.3.7.7.4.2.5.6.2. Dados dos conjuntos A={1.5.4. El símbolo que se usa para indicar la operación de unión es el siguiente: ∪.5} y B={4. Es la operación que nos permite unir dos o más conjuntos para formar otro conjunto que contendrá a todos los elementos que queremos unir pero sin que se repitan. Es decir dado un conjunto A y un conjunto B.4.6.2.3.2.10. Usando diagramas de Venn se tendría lo siguiente: Ejemplo 2.6. Dados dos conjuntos A={1.5.3.11}.8. . Usando diagramas de Venn se tendría lo siguiente: Ejemplo 3.9.10.2.9} la unión de estos conjuntos será A∪B={1.7. la unión de los conjuntos A y B estará formado por todos los elementos de A y con todos los elementos de B sin repetir ningún elemento.} y B={8.7.7Unión o reunión de conjuntos.4.11} la unión de estos conjuntos será A∪B={1.3.8.

7.8Intersección de conjuntos.9} la intersección de estos conjuntos será A∩B={4. la unión será A∪B={x/x estudiantes que juegan fútbol o básquet}. los elementos no comunes A y B. Usando diagramas de Venn se tendría lo siguiente: 2.5} y B={4.5. estará formado por los elementos de A y los elementos de B que sean comunes.2. Es decir dados dos conjuntos A y B.4.8. Es la operación que nos permite formar un conjunto.5}. sólo con los elementos comunes involucrados en la operación.Dados dos conjuntos F={x/x estudiantes que juegan fútbol} y B={x/x estudiantes que juegan básquet}. Dados dos conjuntos A={x/x estudiantes que juegan fútbol} y B={x/x estudiantes que juegan básquet}. la intersección será A∩B={x/x estudiantes que juegan fútbol y básquet}. Usando diagramas de Venn se tendría lo siguiente: . Dados dos conjuntos A={1.3. la de intersección de los conjuntos A y B. Usando diagramas de Venn se tendría lo siguiente: Ejemplo 2.6. El símbolo que se usa para indicar la operación de intersección es el siguiente: ∩ Ejemplo 1. será excluidos.

10Diferencia simétrica.9} la diferencia de estos conjuntos será A-B={1.5} y B={4. la diferencia simétrica estará formado por todos los elementos no comunes a los conjuntos A y B. estará formado por todos los elementos de A que no pertenezcan a B.8.4.5.5}. en donde de dos conjuntos el conjunto resultante es el que tendrá todos los elementos que pertenecen al primero pero no al segundo. Es la operación que nos permite formar un conjunto.3. que es el siguiente: - Ejemplo Dados dos conjuntos A={1.6. Es decir dados dos conjuntos A y B.2. El símbolo que se usa para esta operación es el mismo que se usa para la resta o sustracción.2. El símbolo que se usa para indicar la operación de diferencia simétrica es el siguiente: ∆ Ejemplo . Usando diagramas de Venn se tendría lo siguiente: 2.3. en donde de dos conjuntos el conjunto resultante es el que tendrá todos los elementos que no sean comunes a ambos conjuntos. la diferencia de los conjuntos entra A y B.4.9Diferencia de conjuntos.2. Es decir dados dos conjuntos A y B.7. Es la operación que nos permite formar un conjunto.

dependiendo de nuestra valoración de los resultados. mide o determina a los experimentos o fenómenos aleatorios. numéricos o no numéricos.Dados dos conjuntos A={1. Un suceso. Si consideramos el conjunto de las partes de (P(S)) sus elementos son los sucesos. La teoría de la probabilidad se usa extensamente en áreas como la estadística.8.11Conceptos de probabilidad básica Probabilidad La probabilidad es un método por el cual se obtiene la frecuencia de un acontecimiento determinado mediante la realización de experimentos aleatorios.5. es un subconjunto del espacio muestral. 2. que son aquellos que comprenden un sólo punto muestral.3. La probabilidad es un evento o suceso que puede ser improbable.7.2. .7. Un conjunto cuyos elementos representan todos los posibles resultados de un experimento se llama espacio muestral y se representa como S. Usando diagramas de Venn se tendría lo siguiente: 2. El espacio muestral de un experimento siempre existe y no es necesariamente único pues. Existen dos tipos de sucesos: · Sucesos simples.12EXPERIMENTO Un experimento.9}.8.5} y B={4.6. la física.4.6. la matemática. Todo suceso compuesto se puede considerar como unión de puntos del espacio muestral o unión de sucesos simples. de los que se conocen todos los resultados posibles.3. bajo condiciones suficientemente estables. por tanto. por lo tanto. es cualquier proceso que proporciona datos.2. es la rama de las matemáticas que estudia. en estadística.9} la diferencia simétrica de estos conjuntos será A∆B={1. probable o seguro. podemos construir diferentes espacios muestrales. · Sucesos compuestos. Los elementos del espacio muestral se llaman puntos muestrales y son los distintos resultados del experimento. que son los que engloban más de un punto del espacio muestral. las ciencias y la filosofía para sacar conclusiones sobre la probabilidad discreta de sucesos potenciales y la mecánica subyacente discreta de sistemas complejos.

cualquier suceso elemental tiene probabilidad cero en cualquier variable aleatoria continua. 1. Si X es una variable aleatoria normalmente distribuida. entender los eventos mutuamente excluyentes puede ser importante para una variedad de disciplinas. . . donde k ∈ N. entonces la probabilidad de que A o B suceda es equivalente a la probabilidad del evento A más la probabilidad del evento B". ni completamente discretas. Son eventos mutuamente excluyentes. los sucesos elementales son {cc}. un conjunto de posibles resultados que se pueden dar en un experimento aleatorio. cs. la probabilidad de cualquier variable aleatoria discreta está determinada por las probabilidades asignadas a los sucesos elementales del experimento que determina la variable.14Eventos mutuamente excluyentes Los eventos mutuamente excluyentes son aquellos en los que si un evento sucede significa que el otro no puede ocurrir. sc. también son parte de las leyes y los negocios.} (los números naturales). es decir. Son eventos mutuamente excluyentes pues las cartas de tréboles son exclusivamente negras.  Sacar una carta de tréboles roja. Como resultado.. donde (c representa "sale cara" y s. los números reales. Fórmula La fórmula matemática para determinar la probabilidad de los eventos mutuamente excluyentes es P(A U B) = P(A) + P(B). +∞). Los sucesos elementales pueden tener probabilidades que son estrictamente mayores que cero. 3. no definidas o cualquier combinación de estas. 2. ss}.  Sacar una carta numerada y una carta de letras. Por otra parte. las cartas o son numeradas o son cartas con letra. Son eventos mutuamente excluyentes. Existen distribuciones mixtas que no son completamente continuas. Por ejemplo. 2. cero.  Sacar una carta de corazones y una carta de espadas. Si bien suelen usarse en teorías científicas.13EVENTO Un evento o suceso es un subconjunto de un espacio muestral. donde x ∈. Tipos de eventos Evento o suceso elemental: Un suceso o evento elemental es un subconjunto del espacio muestral que contiene un único elemento. 2. Dicho en voz alta. Ejemplos de espacios muestrales y sucesos elementales: Si se trata de contar objetos y el espacio muestral S = {0. "sale cruz"). la fórmula es "Si A y B son evento mutuamente excluyente. las cartas o son de corazones o son de espadas. {sc} y {ss}. entre las que pueden darse ambas situaciones.. Si se lanza una moneda dos veces. S = (-∞. los sucesos elementales son todos los conjuntos {x}. S = {cc. entonces los sucesos elementales son cada uno de los conjuntos {k}. {cs}.

La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento. mientras que los casos posibles (n) son seis (puede salir cualquier número del uno al seis). 2.2. Si un experimento tiene n resultados posibles el método clásico asigna una probabilidad de 1/n a cada resultado experimental. Para calcular la probabilidad de un evento se toma en cuenta todos los casos posibles de ocurrencia del mismo. El método clásico fue elaborado para analizar probabilidades en los juegos de azar donde la suposición de resultados igualmente probables frecuente es razonables. 16.16Métodos de medición de Probabilidad Uno de los métodos más utilizados es aplicando la Regla de Laplace: define la probabilidad de un suceso como el cociente entre casos favorables y casos posibles. Probabilidad .6%) METODO CLÁSICO Es cuando se usa la suposición de resultados igualmente probables como una base para asignar probabilidades . Los casos favorables de ocurrencia de un evento serán los que cumplan con la condición que estamos buscando. Ejemplos: a) Probabilidad de que al lanzar un dado salga el número 2: el caso favorable (f) es tan sólo uno (que salga el dos). El valor uno corresponde al suceso seguro. El resto de sucesos tendrá probabilidades entre cero y uno: que será tanto mayor cuanto más probable sea que dicho suceso tenga lugar. es decir. ejemplo: lanzamos un dado al aire y la probabilidad de que salga cualquier número del 1 al 6 es igual a uno (100%). entre 0% y 100%): El valor cero corresponde al suceso imposible. ejemplo: lanzamos un dado al aire y la probabilidad de que salga el número 7 es cero. Por lo tanto: (o lo que es lo mismo. de cuántas formas puede ocurrir determinada situación.15Métodos para el cálculo de probabilidad La probabilidad mide la mayor o menor posibilidad de que se dé un determinado resultado (suceso o evento) cuando se realiza un experimento aleatorio.

2. Ejemplo: Al comprar una casa se hace una oferta: Dos posibilidades: La oferta es aceptada o la oferta es rechazada. Las técnicas de conteo son aquellas que son usadas para enumerar eventos difíciles de cuantificar. En el cálculo de la probabilidad se requiere conocer el número de elementos que forman parte del espacio muestral. Cada una de esta ramas se conoce como rama de primera generación. El diagrama de árbol es una representación gráfica de los posibles resultados del experimento. estos se pueden determinar con la construcción del diagrama de árbol. En el final de cada rama de primera generación se constituye a su vez.1/6 = 0. un nudo del cual parten nuevas ramas conocidas como ramas de segunda generación. según las posibilidades del siguiente paso. Para la construcción de un diagrama en árbol se partirá poniendo una rama para cada una de las posibilidades.1666 2.19Diagrama de arbol Un diagrama de árbol es una herramienta que se utiliza para determinar todos los posibles resultados de un experimento aleatorio.18TECNICAS DE CONTEO El principio fundamental en el proceso de contar ofrece un método general para contar el número de posibles arreglos de objetos dentro de un solo conjunto o entre carios conjuntos. 2.17METODO SUBJETIVO Es utilizado para asignar probabilidades apropiando cuando no supone de manera realista que todo resultado experimental son iguales probables y cuando se dispone de pocos datos relevantes. salvo si el nudo representa un posible final del experimento (nudo final) Ejemplo Encontrar todas las formas diferentes de combinar tres números: . el cual consta una serie de pasos. acompañada de su probabilidad. donde cada uno de los pasos tiene un número finito de maneras de ser llevado a cabo.1666 la probabilidad de obtener un número particular en el lanzamiento de un dado es 0. Se utiliza en los problemas de conteo y probabilidad.

Por el contrario si en el equipo no hay funciones definidas.9. CB Combinaciones: AB. entonces esta actividad puede ser llevada a efecto de.2. Si un evento E1 puede suceder de n1 maneras diferentes.. El orden no importa... en donde el primer paso de la actividad a realizar puede ser llevado a cabo de N1 maneras o formas. entonces el total de maneras distintas en que puede suceder el evento “ocurren E1 y E2…. si se quiere formar un equipo de trabajo formado por 2 personas seleccionadas de un grupo de tres (A.. El principio multiplicativo implica que cada uno de los pasos de la actividad deben ser llevados a efecto. N1 x N2 x . Si el orden de los objetos no es importante. AC. BC. entonces si importa el orden.. Si en el equipo hay dos funciones diferentes.... uno tras otro. BC Combinaciones: Es el número de formas de seleccionar r objetos de un grupo de n objetos sin importar el orden. Los resultados en ambos casos son los siguientes: Permutaciones: AB. y así sucesivamente hasta el evento Ep el cual puede ocurrir de np maneras diferentes.20PRINCIPIO DE LA MULTIPLICACIÓN Si se desea realizar una actividad que consta de r pasos.21COMBINACIÓN: En una permutación. el evento E2 puede ocurrir de n2 maneras diferentes. AC. Por ejemplo. B y C).8 . BA.. Un estudiante que realiza un examen debe responder 7 de las 10 preguntas..x Nr maneras o formas 2. CA.y Ep” es igual a producto. cada uno de estos resultados se denomina combinación. entonces no importa el orden y los resultados serán combinaciones. La fórmula de combinaciones es: n C r = n! r! (n – r)! Ejemplos 1. el segundo paso de N2 maneras o formas y el r-ésimo paso de Nr maneras o formas. ¿De cuántas formas puede responder el examen? Existen 10 10! 10. el orden de los objetos de cada posible resultado es diferente. los resultados serán permutaciones.

a. Probabilidad Conjunta . c son permutaciones diferentes. ¿Cuántas de las permutaciones de (a) comienzan con la letra a y terminan con la letra c? P6 = 6! = 720. 2.23DEFINIR CONCEPTOS: Probabilidad condicional es la probabilidad de que ocurra un evento A. Para eventos A y B independientes.h? P8 = 8! = 40. la formula que se utiliza para contar el numero total de permutaciones distintas es: FÓRMULA: n P r = n! (n . Si nos damos cuenta los arreglos a. b. P(A & B)=P(A)P(B).24Probabilidad conjunta La probabilidad de que los eventos A y B sucedan al mismo tiempo se expresa como P(A & B).= 120 7!3! 3. b.c. se la utiliza para determinar el numero de posibles arreglos cuando solo hay un solo grupo de objetos. sucederlo o pueden ocurrir simultáneamente. ¿Cuántas permutaciones existen para las ocho letras a.g. y se lee «la probabilidad de A dado B». 2. C7 = --. Pueden desempeñar un papel o no dependiendo de la interpretación que se le dé a los eventos. c.e. ¿Cuál es la probabilidad de obtener una cara (moneda) y luego un 6 (dado)? Pues eso se escribiría como P (6 | Cara). Permutación: un arreglos o posición de r objetos seleccionados de un solo grupo de n objetos posibles.320.f.22PERMUTACION: A diferencia de la formula de la multiplicación.1 combinaciones posibles de preguntas que puede contestar. ¿Cuántas de las permutaciones de (a) comienzan con la letra a? P7 = 7! = 5. viceversa o pueden no tener relación causal.= -----. La probabilidad condicional se escribe P(A|B). según la descripción del diagrama de Venn. A puede preceder en el tiempo a B. Un ejemplo clásico es el lanzamiento de una moneda para luego lanzar un dado. A puede causar B.040. c y b. 2. Las relaciones causales o temporales son nociones que no pertenecen al ámbito de la probabilidad. P(A & B) también se conoce como la probabilidad de la intersección de los eventos A y B.r) Ejemplo 1. No tiene por qué haber una relación causal o temporal entre A y B. a.2.b.d. sabiendo que también sucede otro evento B.

X. el concepto de probabilidad condicional para denominar la probabilidad del evento relacionado. 2.. p) 2. expresa el número de éxitos obtenidos en las n pruebas.La variable aleatoria binomial.26Eventos Independientes Dos o más eventos son independientes cuando la ocurrencia o no-ocurrencia de un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos).28Distribución binomial Una distribución binomial o de Bernoulli tiene las siguientes características: 1. Un caso típico de eventos independiente es el muestreo con reposición. La distribución bimomial se expresa por B(n. Para estos casos la probabilidad de ocurrencia de ambos sucesos simultáneamente será igual al producto de las probabilidades individuales. 1.La probabilidad de fracaso también es constante. estamos hablando de sucesos independientes. empleamos entonces. Suponga que se tiene una población de N elementos de los cuales. Se representa por p. 3. 2. 3.27Identificar conceptos: Variable aleatoria discreta Una var iable dis cre ta e s aque lla que so lo pue de to mar un núme r o finito de valo re s e ntr e do s valo r e s cuale squie ra de una carate r ístic a. . P(M y N)=P(M)*P(N) 2.. es decir. la p untu ació n o bte ni da al lanz ar un da do. n. d pertenecen a la categoría A y N-d a la B.. La distribución hipergeométrica mide la probabilidad de obtener elementos de la categoría Aen una muestra sin reemplazo de n elementos de la población original. pues los tiros son distintos.29Distribución hipergeométrica En teoría de la probabilidad la distribución hipergeométrica es una distribución discreta relacionada con muestreos aleatorios y sin reemplazo.25Eventos dependientes Dos o más eventos serán dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (o otros). . 2. En cada prueba del experimento sólo son posibles dos resultados: éxito y fracaso. Ejem plo s: El núme r o de hijo s de una fam ilia. los valores que puede tomar X son: 0. 5. 4. que no varía de una prueba a otra.La probabilidad de éxito es constante.Si quisiéramos conocer cuál es la probabilidad de sacar 5 al tirar dos veces un dado. una vez tomada la muestra se regresa de nuevo a la población donde se obtuvo. Por tanto. q=1−p 3. es decir. 2. Se representa por q. La expresión P(A|B) indica la probabilidad de ocurrencia del evento A sí el evento B ya ocurrió. Cuando tenemos este caso. 2.El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente.

del modelo continuo más importante en estadística. como por sus propiedades. a este modelo.2. que todas las variables naturales de interés seguían este modelo. Concretamente.32DISTRIBUCIÓN CHI_ CUADRADO Para muestras extraídas de una población normal con variancia 2. se especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy pequeñas. por parte de médicos y biólogos. una variable 2 adopta valores positivos: 0 " 2 " ".30Distribución de Poisson En teoría de probabilidad y estadística. tanto por su aplicación directa.31Identificar el concepto de variable aleatoria continua La distribución Normal Se trata. también se le conoce con el nombre de distribución gaussiana. la función de densidad del modelo Normal tiene forma de campana. la distribución de Poisson es una distribución de probabilidad discreta que expresa. sin duda. que la dio a conocer en 1838 en su trabajo Recherches sur la probabilité des jugements en matières criminelles et matière civile (Investigación sobre la probabilidad de los juicios en materias criminales y civiles). Por esta razón. Su función de densidad viene dada por la fórmula: que. si nos referimos a una distribución Normal con μ = 0 y σ = 1 lo abreviaremos N(0. o sucesos "raros". A continuación presentamos la gráfica de esta función de densidad (donde se pueden cambiar los parámetros): Como se puede ver. a partir de una frecuencia de ocurrencia media. 2. De hecho. como vemos. veremos que muchas variables de interés general pueden describirse por dicho modelo. En realidad. el nombre de Normal proviene del hecho de que durante un tiempo se creyó. a partir de ahora indicaremos de forma abreviada que una variable X sigue el modelo Normal así: X ~ N(μ. la probabilidad de que ocurra un determinado número de eventos durante cierto período de tiempo. La distribución es asimétrica positiva. Fue descubierta por Siméon-Denis Poisson. CARACTERISTICAS Por definición. depende de dos parámetros μ (que puede ser cualquier valor real) y σ (que ha de ser positiva). Por ejemplo. 1). con tamaño n < 30. que han permitido el desarrollo de numerosas técnicas de inferencia estadística. la que habitualmente se denomina campana de Gauss. siendo S2 la variancia de la muestra entonces el estadístico 2 será DEFINICIÓN Una variable Chi cuadrado se define como la suma de n variables normales estandarizadas elevadas al cuadrado. . σ). 2.

Para cada tamaño muestral.34Identificar conceptos de: DISTRIBUCIÓN MUESTRAL Una distribución muestral es una distribución de Probabilidad de una estadística muestral calculada a partir de todas las muestras posibles de tamaño "n" elegidas al azar de una población determinada. Si la distribución de la población es simétrica. 3. Generalmente nos interesa conocer una o más de los siguientes características de la distribución muestral. .A medida que aumenta el tamaño de la muestra la curva es menos asimétrica. aproximándose a una curva normal..Su desviación estándar (error estándar) 2.35El error estándar Es la desviación estándar de la distribución muestral de un estadístico. El término se refiere también a una estimación de la desviación estándar. CARACTERISTICAS Una variable con distribución F es siempre positiva por lo tanto su campo de variación es 0 " F " " La distribución de la variable es asimétrica. Muchos procedimientos estadísticos comunes requieren que los datos sean aproximadamente normales. tiene una distribución aproximadamente normal cuando el tamaño de la muestra es grande. se tendrá una distribución 2 diferente. de tamaño n1 y n2. pero su asimetría disminuye cuando aumentan los grados de libertad del numerador y denominador. El tamaño que debe tener la muestra depende de la forma de la distribución original. independientemente de la forma de la distribución de la población.. se requiere un tamaño de muestra de 50 o más. El teorema establece que la distribución de .36El teorema del límite central Es un teorema fundamental de probabilidad y estadística. pero el teorema del límite central le permite aplicar estos procedimientos útiles a poblaciones que son marcadamente no normales. que es la media de una muestra aleatoria de una población con varianza finita. 2. originado una distribución para cada grado de libertad. 1.33DISTRIBUCIÓN F DE FISHER Considerando dos muestras aleatorias independientes. El parámetro que caracteriza a una distribución 2 son sus grados de libertad (n-1).. derivada de una muestra particular usada para computar la estimación. 2. un tamaño de muestra de 5 podría generar una aproximación adecuada. extraídas de una población normal. Hay una distribución F por cada par de grados de libertad. Parámetros: Grados de libertad asociados al numerador y denominador 2. si la distribución de la población es marcadamente asimétrica.Su media. el estadístico F será DEFINICIÓN Una variable F se define como el cociente entre dos variables ji-cuadrado divididas por sus correspondientes grados de libertad. Las siguientes gráficas muestran ejemplos de cómo la distribución afecta el tamaño de la muestra que usted necesita.Su forma funcional 2.

como lo demuestra el segundo histograma. pero marcadamente no normal. Sin embargo. como lo demuestra el segundo histograma. Distribución exponencial Medias de las muestras Una población que sigue una distribución exponencial es asimétrica y no normal. . la distribución de medias de la muestra de 1000 muestras de tamaño 50 de esta población es aproximadamente normal. como lo demuestra el primer histograma. Sin embargo. como lo indica el primer histograma. la distribución de 1000 medias de la muestra (n=5) de esta población es aproximadamente normal debido al teorema del límite central. Este histograma de medias de la muestra incluye una curva normal superpuesta para ilustrar esta normalidad. Este histograma de medias de la muestra incluye una curva normal superpuesta para ilustrar esta normalidad. debido al teorema del límite central.Distribución uniforme Medias de las muestras Una población que sigue una distribución uniforme es simétrica.

La distribución t de Student es la distribución de probabilidad del cociente Dónde: T=Z/ T =Z / √ ❑ V / ¿ v  Z es una variable aleatoria distribuida según una normal típica (de media nula y varianza 1). 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. el cociente es una variable aleatoria que sigue la distribución t de Student no central con parámetro de no-centralidad .2. . Aparece de manera natural al realizar la prueba t de Student para la determinación de las diferencias entre dos medias muéstrales 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.  V es una variable aleatoria que sigue una distribución χ² con grados de libertad.37Distribución t de Student En probabilidad y estadística.  Z y V son independientes Si μ es una constante no nula.

(2014). Larousse . Probabilidad y estadística II.Referencias: Sánchez Sánchez.Grupo Editorial Patria . Ernesto Alonso.