Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Ncleo De Anzotegui
Departamento De Electricidad
Seccin 20
Estadstic
as
Alumnos: Arias Adriana C.I 23702387
Montoya Arnold C.I 22844799
Barcelona, Marzo 2017
Distribucin de Frecuencia:
Una distribucin de frecuencias es una serie de datos
agrupados en categoras, en las cuales se muestra el nmero
de observaciones que contiene cada categora. Para
establecer la distribucin de frecuencia son necesarios 10
pasos los cuales son:
1-Rango.
2-Nmero tentativo de los intervalos de clase.
3-Tamao de los intervalos de clase (TIC).
4-Lmite Inferior.
5-Lmite Superior.
6-Lmite Superior Real.
7-Marca de clase (X).
8-Clasificacin de los datos y conteo de frecuencias.
9-Distribucin de frecuencia relativa.
10-Distribuciones de frecuencia acumulada.
Para adentrarnos ms a los pasos ejecutaremos un ejemplo
en el que los siguientes datos son el nmero de meses de
duracin de una muestra de 40 bateras para coche.
1. Rango
4. Lmite inferior
5. Lmite superior
a) Variables Discretas
Ejemplos:
c) Poblacin y Muestra
Poblacin
Media
Este parmetro lo usamos con tanta cotidianidad que nos ser muy familiar,
aunque tambin aprenderemos algunas propiedades y mostraremos un teorema
sumamente importante.
La demostracin es la siguiente:
Valores entonces
e) Histograma de Frecuencia
Tipos de Histogramas
* Ojiva porcentual
Construccin de un Histograma
f) Polgono de Frecuencia
Suceso
Espacio muestra
Tipos de sucesos
* Suceso elemental: es cada uno de los elementos que forman parte del
espacio muestra.
* Suceso aleatorio: es cualquier subconjunto del espacio muestra.
* Suceso seguro: est formado por todos los posibles resultados (es decir, por
el espacio muestra).
Unin de sucesos
Interseccin de sucesos
Diferencia de sucesos
Sucesos contrarios
Axiomas de la probabilidad:
Propiedades de la probabilidad
Ley de Laplace.
Probabilidad condicionada
Probabilidad de la interseccin de sucesos independientes
Teorema de Bayes
Teorema de Bayes
Una variable aleatoria continua es aquella que puede tomar todos los valores
posibles dentro de un cierto intervalo de la recta real.
Ejemplo: La altura de los alumnos de una clase, las horas de duracin de una
pila.
c. La Distribucin Normal
Un 50% de los valores estn a la derecha de este valor central y otro 50% a la
izquierda. Esta distribucin viene definida por dos parmetros N (m, s 2),
siendo m el valor medio de la distribucin y es precisamente donde se sita el
centro de la curva y s 2: es la varianza. Indica si los valores estn ms o menos
alejados del valor central: si la varianza es baja los valores estn prximos a la
media; si es alta, entonces los valores estn muy dispersos.
P(X<3) = P(Z<-0,816)
Por otra parte, al ser la distribucin normal simtrica, entre -z y la media hay
otro 30% de probabilidad. En definitiva, el segmento (-z,z) engloba al 60% de
poblacin con renta media.
d. La Distribucin Binomial
e. La Distribucin de Poisson
Es otra distribucin discreta de probabilidad, llamada as en memoria de
Simeon Denis Poisson (1781-1840), quien la descubri. Se usa en muchas
situaciones que se refieren a fenmenos que ocurren en un intervalo continuo
de espacio o de tiempo, aunque dicha continuidad puede dividirse en
intervalos ms pequeos.
* Existen dos resultados opuestos en cada ensayo (xito y fracaso), los cuales
son complementarios.
=E(X) =
2=
ii) Los ensayos son independientes, puesto que si en una primera observacin
hubo imperfeccin, no quiere decir que en las siguientes observaciones tenga
que haberlas.
Entonces,
A medida que los grados de libertad aumentan, la curva cambia de forma y sus
valores se han tabulado en el anexo de tablas estadsticas, donde se muestran
los valores del rea bajo la curva, para los principales valores de 2, a la
derecha de ste. O sea, se muestra la zona de rechazo para diferentes niveles
de significacin y de grados de libertad, lo cuales varan entre 1 y 100. Ms
all, conviene usar directamente la funcin de Gauss.
Para cada grado de libertad hay una tabla de valores que pueden obtenerse
variando el nivel de significacin, parecida a la de Gauss. El problema de
calcular los valores crticos, para un nivel de confianza dado, se resuelve de
dos maneras: usando computadoras para resolver los clculos, y la otra ms
comn, usando tablas resumidas, en forma anloga a la vista para el modelo
de t-Student. La distribucin de 2 se usa principalmente para analizar
dispersiones. Se compara la dispersin muestral expresada a travs de sus
cuadrados medios contra la dispersin poblacional cuantificada a travs de la
varianza (2).
Existen otros criterios, como el de Thonks, que usa un error relativo admisible
mximo, y se calcula como un cuarto del rango de los valores normales de
referencia, dividido por el valor medio de dicho intervalo (referido a la
magnitud clnica en cuestin y expresado en porcentajes). Tambin se emplea
a este modelo para realizar la llamada prueba de chi-cuadrado en las
comparaciones de frecuencias observadas contra las frecuencias esperadas,
con datos de recuento. Ms adelante se desarrolla mejor este tema, lo mismo
que su so para testear la independencia de dos o ms factores en una Tabla de
Contingencia.
g. La Distribucin de Weibull
a. Regresin lineal
y = a + bx
En esta ecuacin, y representa los valores de la coordenada
a lo largo del eje vertical en el grfico (ordenada); en tanto
que x indica la magnitud de la coordenada sobre el eje
horizontal (absisa). El valor de a (que puede ser negativo,
positivo o igual a cero) es llamado el intercepto; en tanto que
el valor de b (el cual puede ser negativo o positivo) se
denomina la pendiente o coeficiente de regresin.
Tabla1
Paso 1
Paso 2
Obtenga las sumas () de estos valores para todos los pares de datos de x e
y, as como las sumas del total de los valores de x e y. Los resultados de
los Pasos 1 y 2 aparecern en forma similar a la siguiente:
Paso 3 Estime la pendiente (b) por medio de la relacin:
b. Correlacin lineal
Ejercicios
Calcular:
2 El coeficiente de correlacin.