Estad Infer Negocios Unidad IIVerano 20011

Estadstica para los procesos de
Inferencia
L.M. Vctor A. Crdenas Echazarreta
Economa y Negocios
Instructor: L.M. Vctor A. Crdenas Echazarreta
Unidad II. Distribuciones Continuas
Subtemas:
2.1 Normal
2.2 t de Student
2.3 Ji-Cuadrada
2.4 F de Snedekor
Objetivo:
El alumno identificar y aplicar las
distribuciones de probabilidad continuas en la
resolucin de problemas relacionados con las
ciencias administrativas y la economa.
Escuela de Negocios Universidad Anhuac
Cancn
Distribucin Normal
Tambin se le conoce como Distribucin
Gaussiana o Campana de Gauss

Su importancia se debe fundamentalmente a la
frecuencia con la que distintas variables
asociadas a fenmenos naturales y cotidianos
siguen, aproximadamente, esta distribucin.
Muchos de los procedimientos estadsticos
asumen la normalidad de los datos observados,
sobre todo cuando se toman muestras de
tamao grande, n>30.
Cancn
Distribucin Normal
La distribucin normal fue reconocida por
primera vez por el francs Abraham de
Moivre (1667-1754).
Posteriormente, Carl Friedrich Gauss (1777-
1855) elabor desarrollos ms profundos y
formul la ecuacin de la curva; de ah que
tambin se la conozca, ms comnmente,
como la "campana de Gauss".
Cancn
Distribucin Normal
La distribucin de una variable normal est
completamente determinada por dos
parmetros, su media () y su desviacin
estndar (o).
La funcin de densidad de probabilidad es:
Cancn
( ) < <
|
.
|
\
|

= x
x
x f ;
2
1
exp
2
1
2
o
t o
Distribucin Normal. Grfica
Cancn
Distribucin Normal. Grfica. reas.
Cancn
Distribucin Normal. Caractersticas
La curva normal es acampanada, simtrica y centrada
en 0
Las medidas de tendencia central en ella son iguales
(media=mediana=moda)
El rea bajo la curva normal es igual a 1
Es asinttica para valores grandes de x, tanto
positivos como negativos.
La media es 0 y la desviacin estndar es 1; N( = 0;o
=1)
Se han obtenido valores de las reas en una Tabla para
calcular probabilidades y otros elementos estadsticos
Cancn
Distribucin Normal Estndar y Tipificacin
Existen diferentes distribuciones probabilsticas
normales, llamadas familia de distribuciones normales
Segn la media y la desviacin ser el achatamiento o
anchura de la grfica de probabilidad correspondiente
Es posible AJUSTAR un conjunto de datos que tienen
aproximadamente una DISTRIBUCIN NORMAL a una
CURVA ESTNDAR utilizando la TIPIFICACIN por
medio de la siguiente frmula:
Cancn
o

=
x
z
Distribucin Normal y la Distribucin Binomial
Cuando se realizan muchos experimentos que
tienen una Distribucin Binomial, el clculo resulta
complejo.

Un resultado importante en Probabilidad es el
siguiente:
Teorema Central del Lmite:
La distribucin binomial B(n;p) se aproxima a una
curva normal de media y desviacin tpica
, cuando n tiende a , es decir, cuando n se hace
muy grande.

Cancn
x npq = o
Para hacer uso de tal teorema el nmero de
ensayos u observaciones deber ser n>30, y se
deben cumplir las siguientes condiciones:
Se puede utilizar cuando np y nq son por lo menos
igual a 5
Si los datos analizados cumplen con tener una
distribucin binomial.
Cancn
Una vez comprobado esto se aplicar

FACTOR DE CORRECCIN POR CONTINUIDAD
El valor 0.5 se resta o se suma, dependiendo del
problema, a un valor seleccionado cuando una
distribucin discreta se aproxima por medio de una
del tipo continuo.
Cancn
Cmo aplicar el Factor de Correccin?
Hay cuatro casos:
1) Para la probabilidad de que por lo menos X
ocurran, usar el rea por encima de (X 0.5)
2) Para la de que ms de X sucedan, utilizar el rea
por arriba de (X + 0.5)
3) Para la de que X o menos ocurran, aplicar el rea
por abajo de (X + 0.5)
4) Para la de que menos de X sucedan, emplear el
rea situada por debajo de (X 0.5)
Cancn
FACTOR DE CORRECCIN POR CONTINUIDAD

Cancn
( )
( )
|
|
.
|
\
|
+
s ~ s
npq
np a
z P a x P
5 . 0
( )
( )
|
|
.
|
\
|

s ~ >
npq
np a
z P a x P
5 . 0
( )
( ) ( )
|
|
.
|
\
|
+
s s

~ s s
npq
np a
z
npq
np a
P b x a P
5 . 0 5 . 0
Ejemplo 1:
Supongamos que los clientes de una pizzera
regresan con un 70% de probabilidad. En una
semana se registraron 80 nuevos clientes. Calcula
la probabilidad de que
a) 60 o ms de ellos regresen en otra ocasin.
b) menos de 25 de ellos vuelvan a comer a la
pizzera.

Cancn
Otras Distribuciones Continuas
Muchas variables aleatorias tales como la duracin
de la vida til de una computadora, el monto de
ventas de una empresa, o bien, el nmero de
accidentes industriales en una fbrica, slo pueden
asumir valores no negativos.

Este tipo de variables, pueden modelarse por
medio de una funcin de densidad tipo gamma.
Algunas de estas variables son la Ji Cuadrada y la
Exponencial.
Cancn
Distribucin Ji Cuadrada
Teorema 3. Si una muestra aleatoria de N
observaciones y
1
, y
2
, y
3
,, y
N
, se selecciona de
una distribucin normal con media y varianza o
2
,
entonces la distribucin de muestreo de

Tiene una funcin de densidad Ji Cuadrada con N
1 grados de libertad.

Cancn
( )
2
2
2
1
o
_
s N
=
Se aplica para estimar la validez de la varianza de
una poblacin no necesariamente con distribucin
normal cuando el tamao de muestra es limitado.
Se utiliza para analizar los experimentos que
producen datos cualitativos o categorizables.
Tiene un papel importante en las llamadas pruebas
de hiptesis y de la estimacin en estadstica, en
particular la no paramtrica.
Cancn
Su grfica no es acampanada, es ligeramente
elevada a la izquierda y coleada a la derecha.
La Ji-Cuadrada es, en realidad, una distribucin de
las varianzas de las muestras de una poblacin y
los grados de libertad dependen del tamao de la
muestra, esto es, si N es el tamao de muestra
entonces g.l. = N-1
Los valores de la Ji-Cuadrada se han calculado
para diferentes tamaos de muestra en tablas
estadsticas

Cancn
Distribucin Ji Cuadrada. Grfica

Cancn

Clculo de Probabilidad

El clculo de probabilidad en una distribucin
muestral de varianzas nos sirve para saber cmo
se va a comportar la varianza o desviacin
estndar en una muestra que proviene de una
distribucin normal.
Cancn
Ejemplo: Un fabricante de bateras para auto
garantiza que sus bateras durarn, en promedio,
tres aos con una desviacin estndar de un ao.
Si cinco de estas bateras tienen duraciones de 1.9,
2.4, 3.0, 3.5 y 4.2 aos, el fabricante podr tener
una confianza de 95% de que la desviacin
estndar sigue siendo de un ao? Supongamos
que la duracin de la batera sigue una distribucin
normal.
Cancn
Solucin:
Dado que la muestra N = 5, calculemos la varianza
de la muestra con la frmula

Busquemos el valor de Ji-cuadrada en nuestra
tabla para g.l. (v) = 4 y por la asimetra de la
grfica el 95% se localiza entre 97.5% y 2.5%, es
decir, entre 0.975 y 0.025
Cancn
( )
815 . 0
1
2
2
=
N
x x
s
( )( )
( )
26 . 3
1
815 . 0 1 5
2
2
2
=
= _
Solucin:
Vemos que para 0.975 el valor es 0.484 y para
0.025 es 11.143, por lo que nuestro valor no queda
fuera de estos lmites. Entonces, el fabricante
puede estar seguro que su desviacin estndar
igual a un ao es razonable y no tiene razn
suficiente para sospechar que este dato es distinto.
Cancn

Ejercicio 1:
Suponga que los tiempos requeridos por un cierto
autobs para alcanzar un de sus destinos en una
ciudad grande forman una distribucin normal con
una desviacin estndar de1 minuto. Si se elige al
azar una muestra de 17 tiempos, encuentre la
probabilidad de que la varianza muestral sea mayor
que 2.
Cancn

Ejercicio 2:
Encuentre la probabilidad de que una muestra
aleatoria de 25 observaciones, de una poblacin
normal con varianza
2
= 6, tenga una varianza
muestral:
a) Mayor que 9.1
b) Entre 3.462 y 10.745
Cancn
Para poder estimar la varianza de una poblacin
normal se utilizar la distribucin ji-cuadrada.

Los valores de _
2
dependern de nivel de confianza
que se quiera al cual le llamamos 1 - o.
Cancn
( )
2
2
2
1
_
o
s N
=
Ejemplo:
Los siguientes son los pesos, en decagramos, de
10 paquetes de semillas de pasto distribuidas por
cierta compaa: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9,
45.8, 46.9, 45.2 y 46. Encuentre un intervalo de
confianza de 95% para la varianza de todos los
paquetes de semillas de pasto que distribuye esta
compaa, suponga una poblacin normal.
Cancn
Distribucin t de Student
Teorema 4. Sea z una variable aleatoria normal
estndar y sea _
2
una variable aleatoria Ji
Cuadrada con n-1 grados de libertad. Si z y _
2
son
independientes, entonces se dice que

Tiene una distribucin t de Student con n-1 grados
de libertad.

Cancn
1
2
=
n
z
t
_
La distribucin t-Student se aplica para estimar la
media poblaciones con distribucin normal pero el
tamao de muestra est muy limitado y no se
conoce la desviacin estndar de la poblacin.
Fue introducida por el ingls William Gosset,
empleado de la empresa cervecera Guiness, al
estudiar la distribucin de muestras pequeas.
La T de Student debe su nombre a que los
trabajadores de dicha empresa no les estaba
permitido hacer publicaciones, y Gosset utiliz el
seudnimo"Student".

Cancn
La distribucin t-Student se aplica para estimar la
media poblaciones con distribucin normal pero el
tamao de muestra est muy limitado y no se
conoce la desviacin estndar de la poblacin.
Fue introducida por el ingls William Gosset,
empleado de la empresa cervecera Guiness, al
estudiar la distribucin de muestras pequeas.
La T de Student debe su nombre a que los
trabajadores de dicha empresa no les estaba
permitido hacer publicaciones, y Gosset utiliz el
seudnimo"Student".

Cancn
Distribucin t de Student. Grfica

Cancn
0,375 n=120
n=2
n=11
0,125
-3,50 0 +3,50
Cuando aumentan
los grados de
libertad, la
distribucin de
Student se aproxima
a la distribucin
normal tipificada.
Al igual que la Normal, se utiliza en problemas
donde se quiere estimar la media poblacional () a
partir de la media de la muestra ( ). Para ello se
aplica la siguiente frmula

Donde M = media de la muestra
es el error estndar de la media
S = Desviacin Estndar de la Muestra N
t = Valor de la Tabla t, con n 1 g.l. y nivel de
confianza o

Cancn
x
( )( )
M
S t M =
N S S
M
=

Ejemplo: Supongamos que se seleccion una
muestra de 9 calificaciones donde la media
M = 55 y la desviacin estndar fue S = 12 y
queremos determinar entre qu valores
aproximadamente se encuentra la media de
las calificaciones de la poblacin con una
confianza del 95%.
Cancn
Solucin: Aqu N = 9, tamao de muestra, M = 55, S =
12 y o = 0.975, este ltimo valor se obtiene con 1-
error/2 y como el error es 5%, de ah el resultado.
Estimemos el intervalo de confianza para la media con
ayuda del error estndar

Encontremos nuestro valor de t en la tabla, con g.l. = 9-
1 = 8, y o = 0.975, el cual resulta igual a t = 2.306.
Ahora construyamos nuestro intervalo de confianza

Cancn
4 9 12 = =
M
S
Solucin: Ahora construyamos nuestro intervalo de
confianza

Por lo tanto, afirmamos con un 95% de confianza
que la media poblacional debe estar entre 45.776 y
64.224 puntos.
Cancn
( ) ( ) 224 . 9 55 4 306 . 2 55 = = =
M
S t M
Ejercicios (Distribucin t de Student)
1. Reclutas de la Armada, en cierto campo de adiestramiento, son
sometidos a una prueba de aptitud fsica que incluye
levantamientos de pesos. En un grupo, 100 soldados tuvieron
una media de 15 levantamientos y una desviacin estndar de
3. Calcula un intervalo de confianza al 95% para la media
verdadera del grupo.
2. Para una media M = 32, con una desviacin estndar S = 5 y
tamao de muestra N = 7, obtn el intervalo de confianza al
95% para estimar la media poblacional.
3. *La media de los pesos de un grupo de 12 estudiantes fue 68
kg con una desviacin estndar de 2 kg. Calcula los lmites para
la media de la poblacin de los 150 estudiantes, con una
certeza del 95%
4. * Para una media M = 65, con una desviacin estndar S = 10 y
tamao de muestra N = 25, obtn el intervalo de confianza al
95% para estimar la media poblacional.
Cancn
Distribucin F de Snedecor (Fisher)

La necesidad de disponer de mtodos estadsticos
para comparar las varianzas de dos poblaciones es
evidente a partir del anlisis de una sola poblacin.
Frecuentemente se desea comparar la precisin de
un instrumento de medicin con la de otro, la
estabilidad de un proceso de manufactura con la de
otro o hasta la forma en que vara el procedimiento
para calificar de un profesor universitario con la de
otro.
Cancn
Teorema 5. Sean _
1
2
y _
2
2
variables aleatorias Ji
Cuadrada con v
1
y v
2
grados de libertad,
respectivamente. Entonces se dice que

Tiene una distribucin F con v
1
grados de libertad
en el numerador y v
2
grados de libertad en el
denominador.
Cancn
2
2
2
1
2
1
v
v
F
_
_
=
Distribucin F de Fisher. Grfica

Cancn
Los valores crticos fueron obtenidos por W. Snedecor en una tabla que se
caracteriza por tener dos grados de libertad: el correspondiente al numerador
1
=n
1
-1 y el del denominador
2
=n
2
-1.

La variable aleatoria F es no negativa
La distribucin tiene un sesgo hacia la derecha
La distribucin F tiene una apariencia muy similar a
la distribucin ji-cuadrada; sin embargo, se
encuentra centrada respecto a 1, y
Los dos parmetros proporcionan una flexibilidad
adicional con respecto a la forma de la distribucin

Cancn
1 2 2 1
, ,
1
v v v v
F
F
F F ~ ~

Teorema: Si de dos poblaciones normales, o
aproximadamente normales, se extraen dos
muestras aleatorias e independientes, y a cada una
se le calcula su respectiva varianza, el cociente de
ambos valores (con F>1) tendr una distribucin
de Fisher.

Cancn
Ejemplo 1 de la Prueba F (de Fisher)

Limusinas Princess ofrece sus servicios de transporte
desde el Ayuntamiento de Toledo, Ohio hasta el
Aeropuerto Metro en Detroit.
El presidente de la compaa analiza dos posibles
rutas, la U.S. 25 y la I-75. Desea hacer un estudio en
ambas y compararlas.
Registr los siguientes datos de muestra (ver tabla en
la sig.)

Si se utiliza un nivel de significancia (error) de 0.10,
existe una diferencia significativa en la variacin para
las dos rutas?

Cancn
Ejemplo 1 de la Prueba F (de Fisher)

SOLUCIN:
PASO 1: Hiptesis nula y alternativa
PASO 2: Elegir nivel de significancia
PASO 3: Construir el estadstico s
2
1
/ s
2
2

PASO 4: Encontrar el valor crtico en la tabla F
PASO 5: Comparar y rechazar si el estadstico es mayor
que el valor crtico obtenido.
Cancn
RUTA Tiempo
medio
(min.)
Desv.
Estndar
(min).
Tamao
de
muestra
U.S. 25 56 12 7
I 75 58 5 8
Ejercicio 2 de la Prueba F (de Fisher)

Un corredor de bolsa en la empresa Critical Securities
inform que la tasa media de rendimiento en una
muestra de 10 acciones petroleras, fue de 12.6%, con
una desviacin estndar de 3.9%.
La tasa media en una muestra de 8 acciones de
servicios pblicos fue de 10.9%, con una desviacin
estndar de 3.5%.

A un nivel de significancia de 0.05, es posible concluir
que hay ms variacin en las acciones petroleras?
(Sugerencia: considerar prueba de una cola)
Cancn

La Ca. Stargell Research Associates realiz un estudio
acerca de los hbitos de escuchar la radio por parte de
hombres y mujeres. Un aspecto del estudio comprendi el
tiempo promedio de audicin. Se descubri que tal tiempo
para los varones es de 35 min al da. La desv. est. de la
muestra de 10 personas hombres, fue de 10 minutos. El
tiempo promedio para las 12 mujeres en el estudio tambin
fue de 35 min, con una desviacin de 12 min.

A nivel de significancia de 0.10, es posible concluir que
existe una diferencia entre la variacin en el nmero de
minutos que los hombres y mujeres escuchan la radio?
Cancn

Un agente de bienes races en el rea costera de las
Carolinas (USA), desea comparar la variacin en el precio
de venta de casas ubicadas frente al ocano, con las que
estn a una distancia de entre una y tres calles desde la
costa. Una muestra de 21 inmuebles frente al mar vendidos
el ao pasado, registr una desviacin del precio por
$45,600 USD. Una muestra de 18 casas, del segundo grupo
y vendidas en el mismo ao, mostr una desviacin de
$21,330 USD.

A nivel de significancia de 0.10, se puede concluir que hay
ms variacin en los precios de venta de las casas frente al
mar con relacin a las que se localizan entre una y tres
calles de la costa?
Cancn

Estad Infer Negocios Unidad IIVerano 20011

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estad Infer Negocios Unidad IIVerano 20011

Uploaded by

Copyright:

Available Formats

Estadstica para los procesos de

You might also like