Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DISTRIBUCIONES
(Estadstica II)
Integrante:
Luissander Gmez Vivas
C.I.: 13467290
INTRODUCCIN
representarse
como
resultado
de
un
experimento.
Una
Distribucin Normal
La distribucin normal N (m, s) es un modelo matemtico que rige
muchos fenmenos. La experiencia demuestra que las distribuciones de
la mayora de las muestras tomadas en el campo de la industria se
aproximan a la distribucin normal si el tamao de la muestra es grande.
Esta distribucin queda definida por dos parmetros: la media m y la
desviacin tpica s. Se presenta mediante una curva simtrica conocida
como campana de Gauss. Esta distribucin nos da la probabilidad de que
al elegir un valor, ste tenga una medida contenida en unos intervalos
definidos. esto permitir predecir de forma aproximada, el comportamiento
futuro de un proceso, conociendo los datos del presente.
Importancia de la distribucin normal
La distribucin normal es de suma importancia en estadstica por tres
razones principales:
1. Numerosas variables continuas de fenmenos aleatorios tienden a
comportarse probabilsticamente mediante sta.
2. Es el lmite al que convergen tanto variables aleatorias continuas
como discretas.
3. Proporciona la base de la inferencia estadstica clsica debido a su
relacin con el teorema del lmite central.
Propiedades de la distribucin normal
1. Su grafica tiene forma acampanada.
2. El valor esperado, la mediana y la moda tienen el mismo valor
cuando la variable aleatoria se distribuye normalmente.
3. Su dispersin media es igual a 1.33 desviacines estndar. Es
decir, el alcance intercuartil est contenido dentro de un intervalo
donde
es la constante matemtica aproximada por 2.71828
es la constante matemtica aproximada por 3.14159
. Para la
Parmetros
es
cualquier
valor
de
la
variable
aleatoria
continua,
donde
As,
caso 2:
, se
, es cncava
, sta
Definicin
La distribucin de probabilidad de una variable aleatoria normal con
media cero y varianza 1 se llama distribucin normal estndar.
Funcin de Densidad
Normal (0,1)
Grfico 6.
En la distribucin normal estndar se sabe que las reas se
distribuyen de la siguiente manera:
Funcin de Densidad
Normal (0,1)
Manejo de tablas
La tabla anexa representa las probabilidades o reas bajo la curva
normal
calculadas
hasta
los
valores
partculares
de
inters
, podemos
). Por
Distribucin de Muestreo
Es la distribucin de probabilidad de una estadstica; , es una
funcin de las variables aleatorias que se observan en la muestra, que
resulta de un nmero infinito de muestras aleatorias de tamao ,
mutuamente independientes; provenientes de la poblacin de inters.
Distribucin de Muestreo de la Media.
Un estadstico est distribuido normalmente cuando la muestra que
se toma es grande, conocido como el teorema del lmite central. Cuando
el tamao de la muestra es grande y la varianza de la poblacin es
conocida se toma la distribucin normal estndar como estadstico de
prueba. Pero cuando el tamao de la muestra no es grande y a su vez se
desconoce la varianza de la poblacin, es aconsejable aplicar la
Distribucin de students . Estas condiciones se conocen como el teorema
del lmite central
Distribucin de Muestreo de la Varianza.
La estadstica, es empleada para inferir la varianza de la poblacin,
mediante la distribucin de muestreo de la ji-cuadrado, que tiene como
formulacin. Y la estadstica apropiada para inferir las varianzas de dos
poblaciones con distribuciones normales se conoce con la Distribucin F, ,
con grados de libertad para la primera poblacin y , para la segunda
poblacin.
Estimacin Puntual y por Intervalos
Existen dos tipos de estimacin en estadstica la estimacin
puntual y la estimacin por intervalo.
Estimacin Puntual.
El parmetro de la poblacin se infiere mediante el valor de un
estadstico, tomado de la muestra. En el caso de la media , tenemos
como , entonces, el promedio muestral es un estimador puntual de la
media poblacional
Estimacin por Intervalo.
Los parmetros de la poblacin son estimados mediante un
intervalo de confianza cuya notacin es la siguiente: Sea, donde es la
confiabilidad o la probabilidad de ocurrencia del estadstico en este
intervalo, despejando el valor de tenemos entonces que el intervalo de
confianza, conocida como estimacin de la media con varianza conocida
es:
Para la estimacin de la media con varianza desconocida se aplica
la distribucin de Students: , con grados de libertad.
Para diferencia de medias con varianzas conocidas y el intervalo
de confianza:
Para diferencias de medias con varianzas desconocidas: , donde
es la desviacin promedio definida como, con grados de libertad.
La estimacin de la varianza , es estimada mediante el siguiente
intervalo de confianza: , con grados de libertad.
Para la razn de varianzas, con y grados de libertad para la
primera y la segunda muestra respectivamente.
Tomando en cuenta que la distribucin muestral de un estadstico
se define como la funcin de probabilidad (o funcin de densidad de
probabilidad) de ese estadstico. Es decir, se trata de una funcin que
3 1
x2 2
1 3
1.5 2.5 2
1.5 2
1.5 2.5 3
x3 1.5 2
fr
1/20 = 0.05
1.5
7/20 = 0.35
[D]
6/20 = 0.30
2.5
4/20 = 0.25
2/20 = 0.10
x2
1.5
1.5
2.5
2.5
[D] 1
P(
[D]
[D]=
[D])
1
1/9 = 0.11
1.5
2/9 = 0.22
Conociendo
3/9 = 0.33
2.5
2/9 = 0.22
1/9 = 0.11
esta
distribucin
terica,
que
la
muestral
[D] = 2 es P(
Chi-cuadrado
Las pruebas chi-cuadrado son un grupo de contrastes de hiptesis
que sirven para comprobar afirmaciones acerca de las funciones de
probabilidad (o densidad) de una o dos variables aleatorias.
Chi-cuadrado de ajuste
En una prueba de ajuste la hiptesis nula establece que una
variable X tiene una cierta distribucin de probabilidad con unos
determinados valores de los parmetros. El tipo de distribucin se
determina, segn los casos, en funcin de: La propia definicin de la
variable, consideraciones tericas al margen de esta y/o evidencia
aportada por datos anteriores al experimento actual.
A menudo, la propia definicin del tipo de variable lleva implcitos
los valores de sus parmetros o de parte de ellos; si esto no fuera as
dichos parmetros se estimarn a partir de la muestra de valores de la
variable que utilizaremos para realizar la prueba de ajuste.
Como en casos anteriores, empezaremos definiendo las hiptesis.
x1 x2 x3 ... xi ... xk
E1 E2 E3 ... Ei ... Ek
Estadstico de contraste
, el percentil 1 de la
grados de libertad.
simplemente
reflejan
diferencias
importantes
entre
la
y, por tanto,
es el valor
Estadstico de contraste
, el percentil 1 de la
grados de libertad.
Hiptesis nula:
Hiptesis alternativa:
Si tomamos una muestra de tamao ni en cada poblacin y
contamos en cada caso el nmero de sucesos A aparecidos en la
muestra obtendramos la siguiente tabla:
lo cual no es otra cosa que el cociente entre la suma de la fila uno (F1) y el
total de observaciones (T)
Por tanto, el valor esperado de la frecuencia observada de A en la
muestra i (EA,i) ser:
lo cual no es otra cosa que el cociente entre la suma de la fila dos (F2) y el
total de observaciones (T)
Por tanto, el valor esperado de la frecuencia observada de no-A en
la muestra i (Eno-A,i) ser:
Hiptesis nula:
La clasificacin en sucesos es
Hiptesis
alternativa:
La
clasificacin
en
nula:
Las
muestras
son
homogneas
La
La
CONCLUSIN
Las funciones de distribucin son modelos de la variabilidad,
modelos de la forma de la variacin que tiene una variable. En esas
funciones la variable x, en la tpica estructura de una funcin: y=f(x), son
los valores que se pueden dar de la variable estudiada y los valores de la
variable y, son la probabilidad de que se den; o sea, la abundancia
relativa de ese valor en la poblacin.
Las funciones de distribucin, como su nombre indica, son
representaciones de cmo, potencialmente, puede distribuirse una
variable. Y no lo olvidemos: son funciones matemticas. No son variables
reales como la altura, el peso, el nmero de hermanos, el ser hombre o
mujer, etc. Lo que sucede es que se han construido de tal forma que
pueden actuar de maquetas de esas variables reales, porque modelizan
bien su variabilidad. Es evidente que no se distribuye de la misma forma
una variable como el nmero de hermanos que tiene una persona, su
altura, el sexo o el grado de dolor que tiene una persona tras una ciruga.
La normal, la binomial, la Poisson, la Bernouilli, la exponencial, etc.,
son distintas distribuciones, distintas formas de dibujar, matemticamente,
a travs de una funcin, la variabilidad con la que se nos presentan las
variables que estudiamos. La modelizacin estadstica, en general,
consiste en la representacin de una situacin estadstica real mediante
un modelo matemtico. Una de las modelizaciones estadsticas ms
usuales es la de la variabilidad de una variable mediante una funcin de
distribucin. Todas las tcnicas estadsticas cuyos contrastes de hiptesis
ajustan una funcin de distribucin a unos datos se denominan tcnicas
bondad de ajuste a una distribucin. En la seccin Herbario de tcnicas
se pueden consultar varias de ellas.
REFERENCIAS BIBLIOGRAFICAS
Probabilidad y Estadistica para Ingenieria, William W, Douglas C, David
M, CECSA, 1. Mexico 2005
Probabilidad, Elizabeth Meza,del Castillo, CONCYTEC, Lima Peru, 1984
Estadstica aplicada , Lothar Sachs , Editorial Labor,s.a. Barcelona 1978