Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INGENIERIA ELECTRONICA
CURSO
4301
GUAYAQUIL ECUADOR
2017
NDICE
1. INTRODUCCIN........................................................................................ 3
2. MARCO TERICO...................................................................................... 5
2.1 Definiciones bsicas estadsticas................................................................5
2.2 Principales medidas de dispersin...............................................................5
2.3 Distribuciones de frecuencias aplicadas.......................................................5
2.4 Representaciones grficas.........................................................................6
2.5 Variables aleatorias................................................................................... 8
3. ESTADISTICA DESCRIPTIVA.......................................................................8
3.1 Descripcin del experimento.......................................................................8
3.2 Datos Obtenidos....................................................................................... 9
3.3 Representaciones graficas.......................................................................11
4. CALCULO DE PROBABILIDAD..................................................................14
4.1 Distribucin Hipergeomtrica....................................................................14
5. RESULTADOS DE ANALISIS......................................................................16
6. CONCLUSIONES..................................................................................... 16
7. RECOMENDACIONES.............................................................................. 16
8. ANEXOS................................................................................................. 18
9. BIBLIOGRAFIA........................................................................................... 2
Ejemplo 1: Histograma................................................................................... 7
Y
Ilustracin 1: Histograma.................................................................................. 12
ni ( X i X )
n 2
2
S =
i N
ni ( X i X )2
n
S= S =
2
i=1 N
Ejemplo 1: Histograma
constituida por N entes; entre estos N entes, k tienen una caracterstica que es
de inters en la investigacin. Se toma una muestra de tamao n de la
poblacin. Bajo estas condiciones, X es una variable aleatoria hipergeomtrica
con parmetros N, a y n si X representa el nmero de elementos que aparecen
con la muestra, que poseen la caracterstica de inters que se busca. (Herrera,
2010)
Una de sus aplicaciones ms comunes es el los denominados Muestreos de
Aceptacin, el cual es un procedimiento estadstico que consiste en analizar
lites que contienen N elementos, entre los cuales existen k que no cumplen con
determinadas especificaciones de calidad. (Herrera, 2010)
(k C x) N k
f ( x )=P ( X =x ) =
(
nx )
NC n
nk
E ( x )=
N
2
Su Vari anza se obtiene con la siguiente frmula:
V (x )= ( nKN )( 1 Nk )( NN1
n
)
3. ESTADISTICA DESCRIPTIVA
3.1 Descripcin del experimento
Los estudiantes simularn una inspeccin de calidad a travs de un muestreo de
aceptacin. Para ello llenarn un nfora con 40 bolitas de las cuales, 8 estarn
marcadas. Las nforas representan lotes o contenedores de cierto artculo que se
compra de algn lugar, y las bolitas marcadas representan artculos defectuosos.
Debern extraer al azar 5 bolitas, y apuntarn cuntas de las 5 son defectuosas.
Luego vuelven a poner las bolitas en el nfora y repiten nuevamente el experimento.
En cada repeticin, se apuntar cuntas de las 5 son defectuosas. El experimento se
debe repetir 100 veces, obteniendo de esta manera 100 nmeros. Se recomienda
agitar las bolitas en el nfora antes de cada repeticin.
Datos
1 2 4 1
1 2 2 3
3 2 0 1
3 1 1 3
0 1 0 2
1 3 1 0
2 1 3 1
0 2 1 3
2 1 2 2
2 1 3 1
0 1 1 4
1 1 2 2
1 1 0 3
2 2 1 0
1 0 2 1
3 2 3 2
2 1 4 3
2 1 0 1
1 1 1 4
2 2 2 2
2 1 1 3
5 1 2 1
1 1 0 0
0 1 4 3
3 2 2 1
Tabla 1: Datos obtenidos de la simulacin
Frecuencia Frecuencia
Frecuencia Frecuencia Acumulada Relativa
Ordinal Absoluta (fi) Relativa (fi/n) (Fi) Acumulada (Fi/n)
0 13 0,13 13 0,13
1 38 0,38 51 0,51
2 28 0,28 79 0,79
3 15 0,15 94 0,94
4 5 0,05 99 0,99
5 1 0,01 100 1
100 1
13 15
f i= =0.13 f i= =0.15
100 100
38 5
f i= =0.38 f i= =0.05
100 100
28 1
f i= =0.28 f i= =0.01
100 100
13 94
Fri = =0.13 Fri = =0.94
100 100
51 99
Fri = =0.51 Fri = =0.99
100 100
79 100
Fri = =0.79 Fri = =1
100 100
Una vez hallado los datos procedemos a realizar la media aritmtica.
k
Xi
x =
i n
( 0 ) (13 )+ (1 )( 38 ) + ( 2 ) ( 28 ) + ( 3 ) ( 15 ) + ( 4 )( 5 )+(5)(1)
x =
100
x =1.64
Cuando ya obtenemos el valor de la media, tenemos todos los datos que nos
hacen falta para proceder a realizar la varianza.
n
ni ( X i X )2
S 2=
i N
2 2 2 2 2 2
2 13(01.64) + 38(11.64) +28( 21.64) +15(31.64) + 5(41.64) +1(51.64)
S=
1001
S 2= 1.222626
Y como ya sabemos la desviacin estndar es la raz cuadrada de la varianza
ni ( X i X )2
n
S= S = 2
i=1 N
S 2= 1.222626263
S=1.10572
frecuencia
Ordinal Relativa
0 0,13
1 0,38
2 0,28
3 0,15
4 0,05
5 0,01
Tabla 3: Datos del Histograma
Histograma
0.4
0.35 0.38
0.3
0.25 0.28
0.2
0.15
0.15
0.1 0.13
0.05
0.05
0
0 1 2 3 4 0.01
5
Ilustracin 1: Histograma.
4. CALCULO DE PROBABILIDAD
Utilizando la distribucin hipergeomtrica, deber calcular las verdaderas
probabilidades de cada nmero y compararlos con los obtenidos en la simulacin.
Tambin debern calcular las verdaderas media y varianza, y compararlas con las
estimaciones de la simulacin. La comparacin debe ir comentada y analizada.
( 8)( 408 )
0 50 201376
P ( x=0 )= = =0,3060388324
40 C 5 658008
(8 )( 408 )
1 51 (8)(35960)
P ( x=1 )= = =0,4371983
40 C 5 658008
(8 )( 408 )
2 52 (28)( 4960)
P ( x=2 )= = =0,21106126
40 C 5 658008
(8 )( 408)
3 53 (56)( 496)
P ( x=3 )= = =0,042212252
40C 5 658008
( 8 )( 408 )
4 54 (70)(32)
P ( x=4 )= = =0,003404213
40 C 5 658008
(8 )( 408)
5 55 (56)(1)
P ( x=5 )= = =0,000085
40C 5 658008
x P(x)
0 0,306038832
x P(x)
1 0,4371983
0 0,306038832
2 0,21106126
1 0,4371983
3 0,042212252
2 0,21106126
4 0,003404213
3 0,042212252
5 0,000082
4 0,003404213
5 0,000082
(5)(8) 40
E ( x )= = =1
40 40
V (x )= ( Nn nk
N1 )( N )
k
(1 )
N
( 5) ( 8)
V (x )= ( 405
401 ) ( 40 ) 8
(1 )
40 = 0.7179
5. RESULTADOS DE ANALISIS
Una vez obtenido todos los datos podemos analizar los resultados entre la simulacin
y el modelo matemtico. Los resultados fueron:
La probabilidad de 0 en la simulacin fue de 0.13 y en el modelo matemtico fue
0.30603.
La probabilidad de 1 en la simulacin fue de 0.38 y en el modelo matemtico fue
0.4371.
La probabilidad de 2 en la simulacin fue de 0.28 y en el modelo matemtico fue
0.21106.
La probabilidad de 3 en la simulacin fue de 0.15 y en el modelo matemtico fue
0.04221.
La probabilidad de 4 en la simulacin fue de 0.05 y en el modelo matemtico fue
0.003404.
La probabilidad de 5 en la simulacin fue de 0.01 y en el modelo matemtico fue
0.000085.
La media en la simulacin tuvo un valor de 1,64 y en el modelo matemtico fue 1.
La varianza en la simulacin tuvo un valor de 1,2226 y en el modelo matemtico fue de
0,7179.
Podemos observar que en la simulacin de nuestro experimento la media obtuvo un
valor de 1,64 mientras que en el modelo matemtico obtuvo un valor de 1, aqu
podemos notar que el modelo matemtico solo arroja aproximaciones y que no debe
ser tomado como la media correcta sino como una aproximacin a los experimentos
en la vida real.
Tambin observamos que la varianza obtenida en la simulacin tiene un valor distinto
al valor del modelo matemtico.
6. CONCLUSIONES
Una vez acabado el experimento y haber obtenido cada uno de sus datos
podemos llegar a la conclusin, mediante la comparacin de resultados, que
la simulacin y el modelo matemtico difieren entre s, por lo que el modelo
matemtico debera ser tomado como una referencia y no como el resultado
real de un experimento.
7. RECOMENDACIONES
Es muy importante tener muy en claro cada uno de los conceptos
bsicos.
En la prctica del experimento se recomienda agitar muy bien las
bolitas, ya que esto puede influir en el resultado del experimento.
Al realizar la prctica del experimento se recomienda anotar
claramente y en orden cada resultado obtenido.
Analizar con lgica de acuerdo a los conceptos cada grfico realizado.
Al realizar los grficos se recomienda revisar constantemente los
resultados de las tablas de datos.
8. ANEXOS
9. BIBLIOGRAFIA
Arellano, V. U. (2006). Estadistica aplicada a la comunicacion. Mexico: pinted
and made in mexico.
Canavos, G. C. (1980). Probabilidad y Estadistica, Aplicaciones y Metodos.
Mexico: Virginia Commonwealth University.
Corrales, M. (1984). matematica estadistica. Costa Rica: universidad estatal
a distancia.
Fernandez, S. (2002). estadistica descriptiva. Madrid: ESIC.
Gert, M. (1976). Teora de Probabilidades y Estadstica Matemtica. berlin:
pueblo y educacion.
Herrera, G. Z. (2010). PROBABILIDAD Y ESTADSTICA: Fundamentos y
Aplicaciones; 2a ed. Guayaquil: ESPOL.
Madrigal, L. M. (1986). introduccion a la estadistica de la salud. costa rica:
universidad de costa rica.
Maibaum, G. (1988). Teoria de probabilidades y estadistica matematica.
Berlin : Editorial Pueblo y Educacion.
Martel, P. j. (1997). probabilidad y etadistica en medicina. Madrid: Diaz de
Santos.
Valencia, J. A. (2008). fundamentos de la inferencia estadistica. Bogota:
pontifica universidad javeriana.
Zurita, G. (2010). Probabilidad y Estadistica, Fundamentos y Aplicaciones
(Segunda Edicin ed.). Espol.
Zurita, G. (2010). Probabilidad y estadistica, Fundamentos y aplicaciones .
ESPOL.