Sei sulla pagina 1di 9

RESUMEN DE MATEMÁTICAS

ESTADÍSTICA INFERENCIAL

La inferencia estadística o estadística inferencial es una parte de la Estadística que comprende los
métodos y procedimientos para deducir propiedades (hacer inferencias) de una población, a partir
de una pequeña parte de la misma (muestra). También permite comparar muestras de diferentes
poblaciones.

¿En qué se usa?

Sondeos de tendencia de voto, análisis de mercado, epidemiología médica…

Distribuciones de probabilidad

La probabilidad es generada por una variable aleatoria x, la cual puede ser de dos tipos:

1. Variable aleatoria discreta (x): Se le denomina variable porque puede tomar diferentes
valores. Es aleatoria porque el valor tomado es totalmente al azar. Discreta porque solo
puede tomar valores enteros y un número finito de ellos.
Ejemplo:
X----- Variable que nos define el número de burbujas por envase de vidrio que son
generadas en un proceso dado.
x----- 0,1,2,3,4,5.. Burbujas por envase
LOS VALORES SIEMPRE SERÁN ENTEROS, NUNCA FRACCIONARIOS
2. Variable aleatoria continua (x): Se le denomina variable porque puede tomar diferentes
valores. Aleatoria, porque los valores que toma son al azar. Continua porque puede tomar
tanto valores enteros como fraccionarios y un número finito de ellos.
Ejemplos:
x--- Variable que nos define el diámetro de un engranaje en pulgadas.
X-- 5.0”; 4.99”; 5.01”
UNA VARIAABLE CONTINUA PUEDE TOMAR CUALQUIER VALOR, ENTERO O
FRACCIONARIO, UNA FORMA DE DISTINGUIR CUANDO SE TRATA DE UNA VARIABLE
CONTINUA ES QUE ESTA VARIABLE NOS PERMITE MEDIRLA O EVALUARLA. MIENTRAS QUE
UNA VARIABLE DISCRETA NO ES MEDIBLE, ES UNA VARIABLEDE TIPO ATRIBUTO.

Dichas variables nos generan una distribución de probabilidad


A. Distribución de probabilidad discreta
Características:
i. Es generada por una variable discreta (x)
ii. P(xi)≥0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero.
iii. ∑p(xi)=1 La sumatoria de las probabilidades asociadas a cada uno de los
valores que toma x debe ser igual a 1.
B. Distribución de probabilidad continua.
Características:
i. Es generada por una variable continua (x)
ii. F(x) ≥0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero. Es decir, la función de densidad deberá
tomar solo valores mayores o iguales a cero.
iii. La sumatoria de las probabilidades asociadas a cada uno de os valores que
toma x, debe ser igual a 1.

Distribución estándar/normal: Qué tan variables son los datos respecto al promedio.

TEOREMA DE CHEBYSHEV

 En Ꝺ= 1/-1 se encuentra el 68,27 de los datos.


 En Ꝺ= 2/-2 se encuentra 95,45% de los datos
 En Ꝺ= 3/-3 se encuentra el 99,73% de los datos.
TEOREMA DEL LÍMITE CENTRAL:

Si se toma una muestra de cada una, tendrá como resultado una distribución normal:
TEOREMA DE BAYES
TRIÁNGULO DE PASCAL

DISTRIBUCIÓN BINOMIAL

Un experimento sigue el modelo de la distribución binomial o de Bernoulli si:

1. En cada prueba del experimento sólo son posibles dos resultados: El suceso A (éxito) y su
contrario Ᾱ.
2. La probabilidad del suceso A es constante, es decir, que no varía de una prueba a otra. Se
presenta por p.
3. El resultado obtenido en cada prueba es independiente de los resultados obtenidos
anteriormente.
4. La distribución binomial se suele representar por B(n,p)
Siendo n el número de pruebas que consta el experimento.
P es la probabilidad de éxito.
La probabilidad de Ᾱ es 1-p, y la representamos por q.
La variable aleatoria binomial (x), expresa el número de éxitos obtenidos en cada prueba
del experimento.
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:
K= 6. Al lanzar una moneda 10 veces y obtener 6 caras.

MEDIA DE TENDENCIA CENTRAL


Se llama medidas de posición, tendencia central o centralización a unos valores numéricos
en torno a los cuales se agrupan, en mayor o menor medida, los valores de una variable
estadística. Estas medidas se conocen también como promedios.
Media aritmética:
Se define media aritmética de una serie de valores como el resultado producido al sumar
todos ellos y dividir la suma por el número total de valores. La media aritmética se
expresada como .
La media ponderada (MP) es una medida de centralización. Consiste en otorgar a cada
observación del conjunto de datos (X1,X2,…,XN) unos pesos (p1,p2,…,pN) según la
importancia de cada elemento.

La media aritmética no siempre es representativa de una serie estadística. Para


complementarla, se utiliza un valor numérico conocido como mediana o valor central.
Dado un conjunto de valores ordenados, su mediana se define como un valor numérico tal
que se encuentra en el centro de la serie, con igual número de valores superiores a él que
inferiores. Normalmente, la mediana se expresa como Me.
La mediana es única para cada grupo de valores. Cuando el número de valores ordenados
(de mayor a menor, o de menor a mayor) de la serie es impar, la mediana corresponderá
al valor que ocupe la posición (n + 1)/2 de la serie. Si el número de valores es par, ninguno
de ellos ocupará la posición central. Entonces, se tomará como mediana la media
aritmética entre los dos valores centrales.

En una serie de valores a los que se asocia una frecuencia, se define moda como el valor de la
variable que posee una frecuencia mayor que los restantes. La moda se simboliza normalmente por
Mo.
Un grupo de valores puede tener varias modas. Una serie de valores con sólo una moda se denomina
unimodal; si tiene dos modas, es bimodal, y así sucesivamente.

POBLACIÓN: Una población estadística es un conjunto de sujetos o elementos que


presentan características comunes. Sobre esta población se realiza el estudio estadístico
con el fin de sacar conclusiones.El tamaño poblacional es el número de individuos que
constituyen la población. Según el número de sujetos, el tamaño puede ser finito o
infinito. Los conjuntos infinitos son algo artificial o conceptual, ya que toda población de
entidades físicas es finita. Por ejemplo:
 Población finita: el conjunto de habitantes de una ciudad, los bolígrafos producidos en una
fábrica en un día, etc.
 Población infinita: el conjunto de los números positivos.
Cuando la población es muy grande, normalmente es imposible estudiar a todos los individuos.

MUESTRA: Frente a la dificultad de hacer un censo (estudio de toda la población), se


examina una muestra estadística que representará a la totalidad de los sujetos. Con los
resultados obtenidos mediante la muestra, se intentará inferir las propiedades de todos
los elementos, mediante la estadística inferencial.

Temas:

Distribuciones de probabilidad; Distribución normal; Distribución binomial; Variable aleatoria;


continua; Variable aleatoria discreta; Valor esperado y varianza; Medidas de asociación;
Distribución normal; Media; Moda; Mediana; Media de tendencia central y de posición;
Estadística inferencial: Concepto, utilidad, aplicaciones.

1. Probabilidad: Leeción 1 del libro matemáticas para abogados

Espacio muestral

Diagrama de venn

Eventos mutuamente excluyentes


Unión de eventos

Axiomas:

La probabilidad de un evento esta entre 0 y 1

La probabilidad de cero es cero

La suma de todas las probabilidades es igual a uno

P(E´) = 1-P(E)

Diagrama Bayes

Formula: P(A/B) = P(A n B) / P(B)

2. Estadística descriptiva: En qué consiste un experimento binomial: Media, mediana y


moda. Histogramas, distribución (Anexo 2)
3. Charla
4. Estadística inferencial.

Empresa de tamales. Tenemos que entregar 300 tamales la siguiente semana. Los
trabajadores se quieren ir a huelga. ¿P(huelga/a tiempo)?

Probabilidad de huelga (PH): 45%

Probabilidad no huelga (PNH): 55%

P (a tiempo/huelga): 10%

P (retraso/no huelga): 15%

Potrebbero piacerti anche