Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. Objetivos de la prctica
En esta prctica vamos a ajustar modelos de distribucin a datos reales. Un
vez que hayamos hecho esto, podremos utilizar las propiedades de la funcin
de densidad o distribucin para calcular probabilidades.
2. Datos
Para esta prctica se utilizarn los datos Datosajuste.sf3
El aspecto del fichero de datos es:
3. Ajuste de distribuciones
Vamos a realizar el anlisis para la variable PESO. Para ello seleccionamos
las opciones: DESCRIBE-DISTRIBUTIONS-DISTRIBUTION FITTING (UN-
CENSORED DATA)
2
Parmetros de
la distribucin
Icono de
Tabular grficos
options
Es decir el Peso de distribuye como una Normal con media 69.2 y desviacin
tpica 10.85.
N(69.2, 10.852)
El primer grfico (density trace) dibuja una funcin de densidad a partir de los
datos de PESO. Esta funcin de densidad sigue exactamente la distribucin
de nuestros datos, pero suavizada.
40
frequency
30
20
10
0
37 57 77 97 117
peso
Normal Distribution
1
cumulative probability
0,8
0,6
0,4
0,2
0
41 61 81 101 121
peso
Chi-Square Test
----------------------------------------------------------------------------
Lower Upper Observed Expected
Limit Limit Frequency Frequency Chi-Square
----------------------------------------------------------------------------
at or below 53,6975 8 9,00 0,11
53,6975 58,1028 9 9,00 0,00
58,1028 61,1817 11 9,00 0,44
61,1817 63,7197 5 9,00 1,78
63,7197 65,9876 10 9,00 0,11
65,9876 68,1232 18 9,00 9,00
68,1232 70,2186 9 9,00 0,00
70,2186 72,3542 5 9,00 1,78
72,3542 74,6222 8 9,00 0,11
74,6222 77,1602 9 9,00 0,00
77,1602 80,2391 10 9,00 0,11
80,2391 84,6443 6 9,00 1,00
above 84,6443 9 9,00 0,00
----------------------------------------------------------------------------
Chi-Square = 14,4446 with 10 d.f. P-Value = 0,153662
Los p-valores de los tres tests son superiores a 0.10, y por tanto no rechazare-
mos la hiptesis de que los datos son normales. (En estadstica se habla a veces
de una manera algo especial. En lugar de decir aceptamos que los datos son
normales, decimos No rechazamos que los datos son normales. La conclusin
es la misma.)
40
30
20
10
0
37 57 77 97 117
peso
2
En nuestro caso, la normal ajustada tiene parmetros N(69.2, 10.85 )
por lo que para calcular la probabilidad de que un estudiante pese menos de
50kg. Se puede ir a las tablas.
Esta opcin nos da las probabilidades de pesar menos de 55,3368 kilos. Para se-
leccionar el peso deseado por ejemplo probabilidad de pesar menos de 55 kilos,
se pincha el botn auxiliar del ratn y se elige Pane Options.
10
Es decir
o P(Peso<55)=0.096
o P(Peso<65)=0.35
o P(Peso<75)=0.70
o P(Peso<85)=0.93
o P(Peso<95)=0.99
11
5. Ejercicio:
P(Altura<180)=
P(160<Altura<180)=
Espera
P(Espera<5Minutos)=
P(Espera<10 minu-
tos)=
Beneficios
P(Beneficios<50)=
P(Beneficios>100=
http://www.itl.nist.gov/div898/handbook/eda/section3/eda366.htm