Professional Documents
Culture Documents
Núcleo de Anzoátegui.
Escuela de Ingeniería y Ciencias Aplicadas.
Estadística.
Sección 20.
Trabajo de Investigación
Profesor: Bachiller:
Por ejemplo:
VARIABLE CONTINUA.
Por ejemplo:
Las variables continuas no son tan fáciles de categorizar como las variables
discretas. A diferencia de las variables discretas, las variables continuas, como su
nombre lo indica, sólo se pueden agrupar en forma arbitraria en categorías,
porque por su naturaleza pueden tomar cualquier valor a lo largo de un continuo (o
de una escala numérica continua).
POBLACIÓN Y MUESTRA.
𝑋1𝑓1+𝑋2𝑓2+…+𝑋𝑛𝑓𝑛
𝑥̅ =
N
∑𝑛𝑖=1 𝑋𝑖𝑓𝑖
𝑥̅ =
𝑁
VARIANZA PARA DATOS AGRUPADOS
̅)2 𝑓1+(𝑋2 − X
(𝑋1 − X ̅)2 𝑓2+…+(𝑋𝑛 − X
̅)2 𝑓𝑛
2
σ =
N
𝑛 ̅ 2
2
∑𝑖=1(𝑋𝑖 − 𝑋 ) 𝑓𝑖
𝜎 =
𝑁
∑𝑛𝑖=1 𝑋𝑖2 𝑓𝑖
2
𝜎 = − 𝑋̅ 2
𝑁
̅)𝑓1+(𝑋2 − X
(𝑋 1 − X ̅)𝑓2+…+(𝑋𝑛 − X
̅)𝑓𝑛
𝐷𝑋̅ =
N
∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅)𝑓𝑖
𝐷𝑋̅ =
𝑁
HISTOGRAMA DE FRECUENCIA
POLÍGONO DE FRECUENCIA.
PROBABILIDAD
Características:
b.p(xi)0. Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero.
Características:
2. f(x)0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero. Dicho de otra forma, la función de
densidad de probabilidad deberá tomar solo valores mayores o iguales a
cero. La función de densidad de probabilidad sólo puede estar definida en
los cuadrantes I y II.
3. La sumatoria de las probabilidades asociadas a cada uno de
los valores que toma x debe ser igual a 1. El área definida bajo la función de
densidad de probabilidad deberá ser de 1.
Ejercicio de Probabilidad.
Una rata es colocada en una caja con tres pulsadores de colores rojo, azul y
blanco. Si pulsa dos veces las palancas al azar:
Solución.
a) Para que las dos veces pulse la roja tiene que ocurrir que la primera vez
pulse la roja y la segunda también pulse la roja, es decir que se verifique el suceso
(R1 ᴖ R2).
P(A1 ᴗ A2) = P(A1) + P(A2) – P(A1 ᴖ A2) = 1/3 + 1/3 – 1/9 = 5/9
DISTRIBUCIÓN NORMAL
p(µ−3σ ≤ X ≤ µ+3σ).
Solución:
𝑥−µ
Sabemos que z= ; como x1 = µ−3σ y x2 = µ+3σ, entonces la P(x 1 ≤ X ≤ x2 )
σ
se define como:
(µ−3σ)−µ (µ+3σ)−µ
P(µ−3σ ≤ X ≤ µ+3σ ) = P( ≤Z≤ )
σ σ
P(z≤3) –(1-P(z≤3))
P(z≤3) -1 + P(z≤3)n
n = es el número de pruebas.
k = es el número de éxitos.
p = es la probabilidad de éxito.
q = es la probabilidad de fracaso.
1. En cada prueba del experimento sólo son posibles dos resultados: el suceso A
(éxito) y su contrario suceso contrario.
La variable binomial es una variable aleatoria discreta, sólo puede tomar los
valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.
Ejemplo:
n = 4
p = 0.8
q = 0.2
B(4, 0.8)
¿Y cómo máximo 2?
Media.
Varianza
Desviación típica
Ejercicio de Distribución Binomial.
DISTRIBUCIÓN DE POISSON
Por otro lado es evidente que se trata de un modelo discreto y que el campo de
variación de la variable será el conjunto de los números naturales, incluyendo el
cero:
Función de cuantía
2
(𝑛 − 1)𝑆 2
X =
ẟ2
Donde n es el tamaño de la muestra, s2 la varianza muestral y ẟ la varianza
de la población de donde se extrajo la muestra. El estadístico ji-cuadrada también
se puede dar con la siguiente expresión:
∑(𝑋 − ̅̅𝑋̅̅)
𝑋2 =
ẟ2
Propiedades de las distribuciones ji-cuadrada
1. Suponga que los tiempos requeridos por un cierto autobús para alcanzar un
de sus destinos en una ciudad grande forman una distribución normal con
una desviación estándar =1 minuto. Si se elige al azar una muestra de
17 tiempos, encuentre la probabilidad de que la varianza muestral sea
mayor que 2.
Solución:
Solución.
2
(𝑛 − 1)𝑆 2 (25 − 1)10,745
𝑋 2= = = 42,98
ẟ2 6
DISTRIBUCIÓN DE WEIBULL
𝑡−𝛾 𝛽
𝑅(𝑡) = 𝑒𝑥𝑝 [− ( ) ]
𝛼
Donde:
F(t) = 1-R(t)
𝑖 − 0,5
𝐹𝑖 =
𝑛
Ejemplo:
S2=0,589
Γ=0
𝜋
𝛽= = 1,67
𝑆√6
0,5772
𝛼 = 𝑒𝑥𝑝 [𝑋 + ] = 1.59
𝛽
𝑡−𝛾 𝛽
%𝑓 = 1 − 𝑒𝑥𝑝 [− ( ) ] = 0,96
𝛼
Tiempo de falla
1
𝑡 = 𝛼[−𝑙𝑛(1 − 0,05)]𝛽 = 0,268 ℎ𝑜𝑟𝑎𝑠
Regresión lineal
Mes Ventas
1 Enero 7000
2 Febrero 9000
3 Marzo 5000
4 Abril 11000
5 Mayo 10000
6 Junio 13000
8 15
7 19
6 25
4 23
2 34
1 40
xi yi x i ·y i xi2 yi 2
8 15 120 64 225
7 19 133 49 361
6 25 150 36 625
4 23 92 16 529
2 34 68 4 1 156
1 40 40 1 1 600
http://estadisticaeducativaudo.blogspot.com/2014/02/distribucion-de-
frecuencias.html
http://www.ditutor.com/estadistica/distribuci%C3%B3n_frecuencias.html
http://definicion.de/variable-discreta/
http://www.ditutor.com/estadistica/variable_discreta.html
http://www.ditutor.com/estadistica/variable_continua.html
http://www.cca.org.mx/cca/cursos/estadistica/html/m7/var_discretas_continu
as.html
http://metodologiaeninvestigacion.blogspot.com/2010/07/poblacion-y-
muestra.html
http://www.vitutor.net/1/estadistica.html
http://www.ditutor.com/estadistica/medidas_dispersion.html
http://www.vitutor.com/estadistica/descriptiva/a_10.html
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un1/cont_114_
14.html
][p9trhttp://www.vitutor.com/estadistica/descriptiva/a_6.html
http://metodoscuantitativo2.galeon.com/enlaces2218784.html
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/04D
istribuciones%20de%20Probabilidad.htm
http://www.ditutor.com/distribucion_binomial/distribucion_binomial.html
http://es.slideshare.net/sevilla_carlos2004/distribucion-de-chi-cuadrado
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03b.html
https://prezi.com/vm4-qqlyquyk/distribucion-de-ji-cuadrada/
http://documents.mx/documents/distribucion-de-weibull-55939a5d6f148.html
http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-
and-graphs/probability-distributions-and-random-data/distributions/weibull-
distribution/
http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/pron%C3%B3stico-de-ventas/regresi%C3%B3n-lineal/
http://www.vitutor.com/estadistica/bi/2.html
http://www.uoc.edu/in3/emath/docs/RegresionLineal.pdf