Universidad Politcnica Salesiana Ing. Electrnica Probabilidad y Estadstica OBJETIVOS GENERALES Investigar acerca de distribuciones fundamentales de muestreo y descripcin de datos para mejorar el nivel de criterio acerca de datos obtenidas
Comprender y entender los fundamentos y formas de descripcin de datos.
Conocer y aprender a utilizar las diferentes formas de distribuciones mustrales para variables aleatorias. OBJETIVOS ESPECFICOS Profundizar sobre la utilizacin de el muestreo aleatorio. Realizar ejercicios, que tengan relacin con las distribuciones a estudiar. Comprender para que se utilizan las diferentes distribuciones de este capitulo. Analizar los parmetros que cada distribucin para facilitar la mejor comprensin de algunos casos en estas distribuciones. MUESTREO ALEATORIO En la actualidad podemos utilizar el muestreo aleatorio para referirnos a poblaciones de las cuales tenemos observaciones relevantes de cualquier cosa de inters. El resultado de un experimento estadstico se puede registrar como un valor numrico o como una representacin descriptiva. Trminos relevantes:
Poblacin: Consiste en la totalidad de las observaciones en las que estamos interesado. Tamao: Es el numero de observaciones en la poblacin. Muestra: Es un subconjunto de una poblacin.
Importante: En cualquier estudio, el nmero de observaciones posibles puede ser pequeo, grande pero finito o infinito.
EJEMPLOS Cuando a los estudiantes de cierto colegio se les hace pruebas de aptitud es de inters, se registra una representacin numrica.
Cuando se lanza un par de dados y el total es el resultado de inters, se registra un valor numrico.
ALGUNAS ESTADSTICAS IMPORTANTES Ahora, p es una funcin de los valores observados en la muestra aleatoria; como son posibles muchas muestras aleatorias a partir de la misma poblacin, se espera que p variara algo de una muestra a otra. Es decir, p es un valor de una variable aleatoria que representamos con p. Tal variable aleatoria se llama estadstico, la cual se puede definir como cualquier funcin de las variables aleatorias que forman una muestra aleatoria.
CARACTERSTICAS Al seleccionarse muestras aleatorias p representa la proporcin de la poblacin en la que se buscan ciertas caractersticas Los estadsticos que, por lo general se utilizan para medir el centro de un conjunto de datos, acomodados en orden de magnitud, son la media, la mediana y la moda.
Mediana de la Muestra Varianza de la Muestra
PRESENTACIONES DE DATOS Y MTODOS GRFICOS En la estadstica, con frecuencia se hace la suposicin de que la distribucin es normal. La informacin grfica con respecta a la validez de esta suposicin se puede obtener de presentaciones como los diagramas de tronco y hojas, y los histogramas de frecuencias.
CARACTERSTICAS Y DEFINICIONES En una representacin grfica agrega informacin adicional en trminos de una imagen. Las grficas de datos pueden sugerir relaciones entre variables. Las grficas pueden ayudar en la deteccin de anomalas o de observaciones de datos apartados en las muestras.
Definiciones Importantes
Diagrama de tallo y hojas: que brindan una imagen de la simetria y otros datos. Grafica de caja y extensin: encierran el rango intercuartil.y muestra los valores extremos. Grafica de cuantiles: grafic los valores de los datos en el eje vertical contra una elevacin emprica de la fraccin de observaciones excedidas por los valores de los datos.
DISTRIBUCIONES MUSTRALES Definicin.- La distribucin de probabilidad de un estadstico se llama distribucin muestral. Parmetros: Esta distribucin depende del tamao de la poblacin, el tamao de las muestras y el mtodo de eleccin de las muestras. Existen distribuciones mustrales de X y S^2, que son el mecanismo a partir del cual se hace inferencias de los parmetros y ^2.
TEOREMAS Teorema.- Si X1, X2, , Xn son variables aleatorias independientes que tienen distribuciones normales con medias 1, 2, n y varianzas ^2, ^2, ^2n respectivamente, donde se establece la propiedad reproductiva de la distribucin normal, se concluye que:
Distribucin normal de la media y varianza:
TEOREMAS Teorema del Lmite Central.- Si X es la media de una muestra aleatoria de tamao n tomada de una poblacin con media y varianza ^2, entonces la forma lmite de la distribucin de:
Teorema.- Si se extraen al azar muestras independientes de tamao n1y n2de dos poblaciones, discretas o continuas:
DISTRIBUCIONES MUSTRALES DE MEDIAS Definicin.- Si se toman muestras de una distribucin desconocida, ya sea de poblaciones finitas o infinitas. Una aplicacin muy importante del teorema del lmite central es la determinacin de valores razonables de la media de la poblacin .
TEOREMA Teorema.- Si se extraen al azar muestras independientes de tamao n1y n2 de dos poblaciones, discretas o continuas, con medias 1y 2, y varianzas (^2)1y (^2)2, respectivamente, entonces la distribucin muestral de las diferencias de las medias, X1X2, est distribuida aproximadamente de forma normal con media y varianza dadas por:
CARACTERSTICAS
Si n1 30 y n2 30 sin importar la forma de las dos poblaciones. Si n1< 30 y n2< 30, slo si las dos poblaciones no son muy diferentes a una distribucin normal. Si se sabe que las dos poblaciones son normales, la distribucin muestral de la diferencia de las medias seguir una distribucin normal exacta, no importa que tan pequeo sea el tamao de las muestras.
DISTRIBUCIN MUESTRAL DE S2 Si S2es la varianza de la muestra aleatoria de tamao n que se toma de una poblacin normal que tiene la varianza ^2, entonces la estadstica:
Sirve para determinar determinada cantidad de variable que hay desde un x a otro x. que vaya entre 0 y 1.
GRAFICA CARACTERSTICA Importante: Cuando los datos (los valores en la muestra) se utilizan para calcular la media, hay 1 grado de libertad menos en la informacin que se utiliza para estimar la varianza.
DISTRIBUCIN T Sus aplicaciones giran al rededor de puras inferencias. Sobr la media de una poblacin. Sirven para determinar las variables f(x) que estn a dentro o fuera de una medida con base a la media. Es til cuando la muestra n es menor a 30. Como resultado, una estadstica natural a considerar para tratar con las inferencias sobre es:
GRAFICA CARACTERSTICA Importante: La distribucin de T difiere de la de Zen que la varianza de T depende del tamao de la muestra y siempre es mayor que 1.
DISTRIBUCIN F Llamada distribucin de razn de varianzas. Utilizada en situaciones de dos muestras para realizar inferencias acerca de la varianza de poblacin. Tambin, se aplica a muchos otro tipos de problemas en los que las varianzas estn involucradas. F=((S/O)/(S/O))=((SO)/(SO))
v=n-1 v=n-1
CONCLUSIONES Se pudo comprobar que existen muchos procedimientos y que estos son tiles al momentos de realizar los calculo y que todas las pruebas de hiptesis son muy importantes para conocer muchos factores de xito o fracaso y que en base a esto se puede tomar decisiones mas centradas. Se pudo observar que las formulas para el caculo son muy tiles ya que nos llevan por el camino deseado para as obtener datos concretos.