Professional Documents
Culture Documents
La asimetra muestre si la curva que forman los valores de la serie presenta la misma forma a izquierda y derecha de un valor central (media aritmtica). Las medidas de asimetra son indicadores que permiten establecer el grado de simetra o asimetra que presenta una distribucin de probabilidad de una variable aleatoria sin tener que hacer su representacin grfica. La asimetra presenta tres distribuciones: Simetra: Es una distribucin cuando a la derecha y a la izquierda de la media existe el mismo nmero de valores, equitativos de ambos lados (partes), y con la misma frecuencia.
Asimetra a la izquierda: Es una distribucin cuando los valores de la frecuencia son mayores del lado izquierdo que el lado derecho, es decir si Mo Mn Media aritmtica.
Asimetra a la derecha: Es una distribucin cuando los valores de la frecuencia son mayores del lado derecho que el lado izquierdo, es decir si Mo
El coeficiente de asimetra de Pearson mide la desviacin respecto de la simetra expresando la diferencia entre la media y la mediana en relacin con la desviacin estndar o tpica del grupo de medidas. A partir del dato se define el coeficiente de la siguiente manera:
La Curtosis
El concepto de curtosis compara la forma de dicha distribucin con la forma de la distribucin normal, es decir, es una medida de la forma o apuntamiento de las distribuciones. Asi la medidas tratan de estudiar la mayor o menor concentracin de frecuencias alrededor de la media y en la zona central de la distribucin.
Mesocrtica: Si la distribucin de los datos es la misma que de la variable normal, en ese caso su coeficiente de curtosis es cero 0.
g2 = 0
Leptocrtica: La distribucin presenta un elevado grado de concentracin alrededor de los valores centrales de la variable, en ese caso su coeficiente de curtosis es positivo.
grado de concentracin alrededor de los valores centrales de la variable, en ese caso su coeficiente de curtosis es negativo
g2 < 0
Probabilidad
La probabilidad mide la frecuencia con la que se obtiene un resultado o conjuntos de resultados al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables. La probabilidad de un evento se denota con la letra p y se expresa en trminos de una fraccin y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por otra parte, la probabilidad de que un evento "no ocurra" equivale a 1 menos el valor de p y se denota con la letra q:
Probabilidad de un suceso es el nmero al que tiende la frecuencia relativa asociada al suceso a medida que el nmero de veces que se realiza el experimento crece.
Propiedades de la frecuencia relativa: 1. 0 2. fr( 3. fr(E) = 1 fr (A) 1 cualquiera que sea el suceso A. ) = fr(A) + fr(B) fr() = 0. si = .
Los mtodos que usan en la probabilidad son: Regla de la adicin: La regla de la adicin o regla de la suma establece que la probabilidad de ocurrencia de cualquier evento en particular es igual a la suma de las probabilidades individuales, si es que los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo: P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente. P(A o B) = P(A) + P(B) P(A y B) si A y B son no excluyentes. Siendo: P(A) = probabilidad de ocurrencia del evento A. P(B) = probabilidad de ocurrencia del evento B. P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B. Regla de la multiplicacin: La regla de la multiplicacin establece que la probabilidad de ocurrencia de dos o ms eventos estadsticamente independientes es igual al producto de sus probabilidades individuales. P(A y B) = P(A B) = P(A)P(B) si A y B son independientes.
Distribuciones de Probabilidad
Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento si ste se llevase a cabo, es decir, describe la probabilidad de que un evento se realice en el futuro, constituye una herramienta fundamental para la prospectiva, puesto que se puede disear un escenario de acontecimientos futuros considerando las tendencias actuales de diversos fenmenos naturales.
Toda distribucin de probabilidad es generada por una variable (porque puede tomar diferentes valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede ser de dos tipos:
1. Variable aleatoria discreta (x): Porque solo puede tomar valores enteros y un nmero finito de ellos. Por ejemplo: x: Variable que define el nmero de alumnos aprobados en la materia de probabilidad en un grupo de 40 alumnos (1, 2 ,3 los 40). Propiedades de una variable aleatoria discreta (x):
a. 0p(xi)1: Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero y menores o iguales a 1. b. Sp(xi) = 1: La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe ser igual a 1.
Se tiene una moneda que al lanzarla puede dar slo dos resultados: o cara (50%), o cruz (50%).
La siguiente tabla muestra los posibles resultados de lanzar dos veces una moneda:
PRIMER LANZAMIENTO
SEGUNDO LANZAMIENTO
PROBABILIDAD DE NUMERO DE CARAS EN LOS 4 RESULTADOS 2 LANZAMIENTOS POSIBLES 2 1 1 0 0.5 X 0.5 = 0.25 0.5 X 0.5 = 0.25 0.5 X 0.5 = 0.25 0.5 X 0.5 = 0.25
Al realizar la tabla de distribucin del nmero posible de caras que resulta de lanzar una moneda dos veces, se obtiene:
NMERO DE CARAS
LANZAMIENTOS
0.25
+ (CRUZ, CARA)
0.50
(CARA, CARA)
0.25
2. Variable aleatoria continua (x): Porque puede tomar tanto valores enteros como fraccionarios y un nmero infinito de ellos dentro de un mismo intervalo. Por ejemplo: x Variable que define la concentracin en gramos de plata de algunas muestras de mineral (14.8 gr., 12.1, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, , ).
a.
p(x)0: Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de probabilidad deber tomar solo valores mayores o iguales a cero.
b.
La probabilidad de ocurrencia de una combinacin especfica de eventos independientes y mutuamente excluyentes se determina con la distribucin binomial, que es aquella donde hay solo dos posibilidades, tales como masculino/femenino o si/no. 1. Hay dos resultados posibles mutuamente excluyentes en cada ensayo u observacin. 2. La serie de ensayos u observaciones constituyen eventos independientes. 3. La probabilidad de xito permanece constante de ensayo a ensayo, es decir el proceso es estacionario. Todo experimento que tenga estas caractersticas se dice que sigue el modelo de la distribucin Binomial o distribucin de Bernoulli.
En general, si se tienen n ensayos Bernoulli con probabilidad de xito p y de fracaso q, entonces la distribucin de probabilidad que la modela es la distribucin de probabilidad binomial y su regla de correspondencia es:
Por ejemplo: a. Cul es la probabilidad de obtener exactamente 2 caras al lanzar una misma moneda 6 veces?. Donde: P(X) es la probabilidad de ocurrencia del evento. p es la probabilidad de xito del evento (en un intento) (0.5). q es la probabilidad de fracaso del evento (en un intento) y se define como q = 1 p (0.50). X = ocurrencia del evento o xitos deseados = 2 (para efectos de la tabla binomial tmese como r). n = nmero de intentos = 6. Al sustituir los valores en la frmula se obtiene:
Resolviendo:
Diagrama de rbol
El diagrama del rbol es una representacin grfica de los posibles resultados del experimento, el cual consta de una serie de pasos, donde uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo. Se utiliza en los problemas de conteo y probabilidad. Para la construccin de un diagrama de rbol se partir poniendo una rama para cada una de las probabilidades, acompaada de su probabilidad. Cada una de estas ramas se conoce como rama de primera generacin. En el final de cada rama de primera generacin se constituye a su vez, un nudo del cual parten nuevas ramas conocidas como ramas de segunda generacin, segn las probabilidades del siguiente paso, salvo si el nudo representa un posible final del experimento (nudo final). Por ejemplo:
Una clase consta de seis nias y 10 nios. Si se escoge un comit de tres al azar, hallar la probabilidad de: 1. Seleccionar tres nios.
Introduccin
El informe abarca las distintas medidas de distribucin, a travs de ellas llegar a una aproximacin cuantitativa describiendo sus caractersticas deseando ser lo ms elaborado posible. En el contenido se desglosa los siguientes puntos: 1) 2) 3) 4) 5) Asimetra. Coeficiente de Asimetra de Pearson. La Curtosis. Probabilidad. Diagrama de rbol.
Estas medidas describen la manera como los datos tienden a reunirse de acuerdo con la frecuencia con que se hallen dentro de la informacin. Las predicciones estadsticas, difcilmente hacen referencia a sucesos concretos, pero describen con considerable precisin en el comportamiento global de grandes conjuntos de sucesos particulares. Son predicciones que, en general, no acostumbran resultar tiles.
Conclusin
Las medidas de distribucin en un conjunto de datos estn diseadas para proporcionar al individuo algunas medidas cuantitativas de donde est el centro de los datos en una muestra. En las medidas de distribucin se trata de encontrar medidas que sinteticen las distribuciones de frecuencias. En vez de manejar todos los datos sobre las variables, tarea que puede ser pesada, podemos caracterizar su distribucin de frecuencias mediante algunos valores numricos, eligiendo como resumen de los datos un valor central alrededor del cual se encuentran distribuidos los valores de la variable. La descripcin de un conjunto de datos, incluye como un elemento de importancia la ubicacin de stos dentro de un contexto de valores posibles.
Repblica Bolivariana de Venezuela Ministerio del Poder Popular para la Educacin Universitaria Instituto Universitario Jess Obrero Ctedra: Estadstica 3er Semestre de Informtica Los Flores-Catia
Medidas de Distribucin
Profesora: An Lopez
Integrantes: Bastidas Roselyn C.I. 23630177 Carvallo Jos C.I. 20639703 Echenaguca Karina C.I 18528938 Mndez Gabriela C.I. 18363227 Nelo Abigail C.I. 22029626 Pernia Yennifer C.I. 21089568 Rada Felix C.I. 16429171