El Coeficiente de SESGO Determina El Grado de Asimetría

El coeficiente de SESGO determina el grado de asimetría (alargamiento de la distribución hacia la
izquierda o hacia la derecha). Para determinar el sesgo de una distribución de frecuencias se utiliza
el: Si el coeficiente de sesgo tiene un valor positivo se dice que

la distribución es SESGADA a DERECHA o que tiene SESGO POSITIVO. Si el coeficiente de sesgo
tiene un valor negativo se dice que la distribución es SESGADA a IZQUIERDA o que tiene SESGO
NEGATIVO. Si el coeficiente de sesgo tiene un valor 0 se dice que la distribución es INSESGADA o
que tiene SESGO 0.
Otras expresiones que se utilizan para el sesgo son:
El coeficiente de CURTOSIS determina el grado de alargamiento de la distribución hacia

arriba o hacia abajo. Para determinar la curtosis de una distribución de frecuencias se utiliza
el:
- Si el coeficiente de curtosis es mayor que 3 se dice que la distribución es

LEPTOCÚRTICA.
- Si el coeficiente de curtosis es menor a 3 se dice que la distribución es PLATICÚRTICA
- Si el coeficiente de curtosis es igual a 3 se dice que la distribución es MESOCÚRTICA.
Probabilidad clásica:
Es el número de resultados favorables a la presentación de un evento dividido entre el

número total de resultados posibles. Asignación de probabilidad "a priori", sin necesidad de
realizar el experimento.
La probabilidad clásica o teórica se aplica cuando cada evento simple del espacio muestral
tiene la misma probabilidad de ocurrir.
Fórmula para obtener la probabilidad clásica o teórica:
Ejemplo 1: P(de que salgan dos caras al tirar 2 monedas)
P(de que salga una cara al tirar 2 monedas )
Ejemplo 2: P(de que salga un varón al tomar 2 bebés y observar su sexo)
Técnicas de conteo:
Las técnicas de conteo son aquellas que son usadas para enumerar eventos difíciles de
cuantificar.Si un evento A puede ocurrir de n1 maneras y una vez que este ha ocurrido, otro
evento B puede n2 maneras diferentes entonces, el número total de formas diferentes en que
ambos eventos pueden ocurrir en el orden indicado, es igual a n1 x n2.
Ejemplo:
DADOS. Considere el experimento consistente en lanzar dos
Dados y observar las caras que quedan hacia arriba. El primer dado puede caer
De6 maneras diferentes (1, 2, 3, 4, 5, 6) y el segundo dado también puede
Caer de 6 maneras diferentes. Entonces, el número de maneras en que pueden
Caer ambos dados simultáneamente es: 6*6 = 36.
Principio de multiplicación:
El principio multiplicativo implica que cada uno de los pasos de la actividad deben ser llevados a
efecto, uno tras otro. Si un evento E1 puede suceder de n1 maneras diferentes, el evento E2
puede ocurrir de n2 maneras diferentes, y así sucesivamente hasta el evento Ep el cual puede
ocurrir de np maneras diferentes, entonces el total de maneras distintas en que puede suceder el
evento “ocurren E1 y E2…..y Ep” es igual a producto.
Ejemplos:
1) Una persona desea construir su casa, para lo cuál considera que puede
construir los cimientos de su casa de cualquiera de dos maneras (concreto o
block de cemento), mientras que las paredes las puede hacer de adobe, adobón
o ladrillo, el techo puede ser de concreto o lámina galvanizada y por último los
acabados los puede realizar de una sola manera ¿cuántas maneras tiene esta
persona de construir su casa?
Solución:
Considerando que r = 4 pasos
N1= maneras de hacer cimientos = 2

N2= maneras de construir paredes = 3
N3= maneras de hacer techos = 2
N4= maneras de hacer acabados = 1
N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la casa
Principio de adicción:
Si se desea llevar a efecto una actividad, la cuál tiene formas alternativas para ser realizada,
donde la primera de esas alternativas puede ser realizada de M maneras o formas, la
segunda alternativa puede realizarse de N maneras o formas y la última de las alternativas
puede ser realizada de W maneras o formas, entonces esa actividad puede ser llevada a
cabo con lo siguiente M + N +.........+ W maneras o formas
Ejemplo:
David Luna desea ir a las Vegas o a Disneylandia en las próximas vacaciones de

verano, para ir a las Vegas él tiene tres medios de transporte para ir de Chihuahua al
Paso Texas y dos medios de transporte para ir del Paso a las Vegas, mientras que para
ir del paso a Disneylandia él tiene cuatro diferentes medios de transporte, a) ¿Cuántas
maneras diferentes tiene Rafael de ir a las Vegas o a Disneylandia?, b) ¿Cuántas
maneras tiene Rafael de ir a las Vegas o a Disneylandia en un viaje redondo, si no se
regresa en el mismo medio de transporte en que se fue?.
Solución:
a) V = maneras de ir a las Vegas

D = maneras de ir a Disneylandia
V = 3 x 2 = 6 maneras
D = 3 x 4 = 12 maneras
V + D = 6 + 12 = 18 maneras de ir a las Vegas o a Disneylandia
b) V = maneras de ir y regresar a las Vegas

D = maneras de ir y regresar a Disneylandia
V = 3 x 2 x 1 x 2 = 12 maneras
D = 3 x 4 x 3 x 2 = 72 maneras
V + D = 12 + 72 = 84 maneras de ir a las Vegas o a Disneylandia en un viaje

redondo
Muestras Ordenadas sin repeticion
Sea un conjunto de N elementos distinguibles, llamado población. Cualquier subconjunto o

arreglo de n elementos se denomina muestra. La selección de los elementos de la muestra
puede cumplirse de dos formas: i. Sin repetición o sin reemplazo. (Permutaciones) La
selección de un elemento corresponde a cada etapa del experimento, cada vez que se elija
un elemento no se vuelve a tener en cuenta para la siguiente selección y aplicando el
principio de la multiplicación se tiene que el total de formas diferentes de obtener la
muestra es: Muestras

ordenadas sin repetición.
Ejemplo
Suponga el conjunto = {a, b, c, d} N = 4 El total de formas diferentes de seleccionar n =

2 elementos de los 4 teniendo en cuenta que se pueden distinguir uno de otro es: a. MOSR:
Muestras ordenadas con repetición:
Sea un conjunto de N elementos distinguibles, llamado población. Cualquier subconjunto o

arreglo de n elementos se denomina muestra Con repetición o con reemplazo Igual al caso
anterior, pero cada vez que se realice una selección se vuelve a tener en cuenta el elemento
extraído anteriormente, así que el total de formas diferentes con repetición es: N * N *…*N =N
Muestras ordenadas con repetición : MOC
Ejemplos:
Suponga el conjunto = {a, b, c, d} N = 4 El total de formas diferentes de seleccionar n =
2 elementos de los 4 teniendo en cuenta que se pueden distinguir uno de otro es:
b. MOCR: 42 = 16 = {(a, a), (b, b), (c, c), (d, d), A}
Muestras no Ordenadas sin repetición:
Los N elementos de la población aunque diferentes no requieren distinguirse, el total de

muestras posibles depende de la forma como se realice la selección pudiendo ser: i. Sin
repetición o sin reemplazo. (Combinatoria). Equivalen a las permutaciones eliminando los
n! términos ordenados. Por lo tanto el total de muestras lo da la expresión:
formas diferentes.
Ejemplo:
El total de subconjuntos de tamaño 2 tomados de el conjunto de 4 elementos que no

requieren ser distinguidos es:
Propiedades elementales de la probabilidad:
1. La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la

probabilidad del suceso contrario es:
2. Probabilidad del suceso imposible es cero.

3. La probabilidad de la unión de dos sucesos es la suma de sus probabilidades restándole la
probabilidad de su intersección.
4. Si un suceso está incluido en otro, su probabilidad es menor o igual a la de éste.
5. Si A1, A2,..., Ak son incompatibles dos a dos entonces:
6 Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn} entonces:
Ejemplo:
La probabilidad de sacar par, al tirar un dado, es:
P(par) = P(2) + P(4) + P(6)
Probabilidad condicional:
La probabilidad de que un evento ocurra cuando se sabe que ya ocurrio un evento se

llama probabilidad condicional y se denota por que por lo general se lee como
probabilidad de que "ocurra B dado que ocurrió A". Esta probabilidad se define como:
La probabilidad condicional es una función de probabilidad, definida como

DISTRIBUCIÓN BINOMIAL
Las características de esta distribución son:

a) En los experimentos que tienen este tipo de distribución, siempre se esperan
dos tipos de resultados, ejem. Defectuoso, no defectuoso, pasa, no pasa, etc, etc.,
denominados arbitrariamente “éxito” (que es lo que se espera que ocurra) o
“fracaso” (lo contrario del éxito).
b) Las probabilidades asociadas a cada uno de estos resultados son constantes, es
decir no cambian.
c) Cada uno de los ensayos o repeticiones del experimento son independientes
entre sí.
d) El número de ensayos o repeticiones del experimento (n) es constante.
DISTRIBUCIÓN HIPERGEOMÉTRICA.
Los experimentos que tienen este tipo de distribución tienen las siguientes
características:
a) Al realizar un experimento con este tipo de distribución, se esperan dos
tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son
constantes.
c) Cada ensayo o repetición del experimento no es independiente de los
demás.
d) El número de repeticiones del experimento (n) es constante.
DISTRIBUCIÓN DE POISSON.
En este tipo de experimentos los éxitos buscados son expresados por unidad de
área, tiempo, pieza, etc.
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc.
Para determinar la probabilidad de que ocurran x éxitos por unidad de tiempo,

área, o producto, la fórmula a utilizar sería:
x  
p( x , ) 
x!
Dónde:
p(x, ) = probabilidad de que ocurran x éxitos, cuando el número promedio de
ocurrencia de ellos es 
 = media o promedio de éxitos por unidad de tiempo, área o producto
 = 2.718
x = variable que nos denota el número de éxitos que se desea que ocurra.
Hay que hacer notar que en esta distribución el número de éxitos que ocurren por
unidad de tiempo, área o producto es totalmente al azar y que cada intervalo de
tiempo es independiente de otro intervalo dado, así como cada área es independiente
de otra área dada y cada producto es independiente de otro producto dado.
1. DISTRIBUCIÓN NORMAL.
Características:
a) Es generada por una variable de tipo continuo, denominada x;

- x 
b) La función que nos define esta distribución es:
1
f ( x , , 2 )   ( x   ) / 2
2 2
-x
 2
Al dar a la función los valores de  , 2 y valores a x, obtendremos la

distribución en cuestión, la que tiene forma de campana, por lo que
también se le conoce como campana de Gauss. Hay un número infinito
de funciones de densidad Normal, una para cada combinación de y .
La media  mide la ubicación de la distribución y la desviación estándar
 mide su dispersión.
c) Es simétrica con respecto a su eje vertical.
d) Es asintótica con respecto a su eje horizontal; esto quiere decir que
jamás va a tocar el eje de las equis.
e) El área total bajo la curva es 1.
Sí sumamos a , se observará que aproximadamente el 68.26% de los

datos se encuentran bajo la curva, si sumamos a  2, el 95.44% de los datos
estará entre esos límites y si sumamos a  3, entonces el 99.74% de los datos
caerá dentro de esos límites. Esta característica es a la vez una forma empírica y
rápida de demostrar si los datos que se analizan tienen una distribución Normal;
ya que para trabajar los datos con esta distribución, debe verificarse que
efectivamente así se distribuyen, ya que de no hacerlo, las decisiones que en un
momento dado se tomarán de un análisis de los datos con la distribución Normal,
serían erróneas.

El Coeficiente de SESGO Determina El Grado de Asimetría

Cargado por

Copyright:

Formatos disponibles

El Coeficiente de SESGO Determina El Grado de Asimetría

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

El Coeficiente de SESGO Determina El Grado de Asimetría

Cargado por

Copyright:

Formatos disponibles

El coeficiente de SESGO determina el grado de asimetría (alargamiento de la distribución hacia la

el: Si el coeficiente de sesgo tiene un valor positivo se dice que

Otras expresiones que se utilizan para el sesgo son:

El coeficiente de CURTOSIS determina el grado de alargamiento de la distribución hacia

- Si el coeficiente de curtosis es mayor que 3 se dice que la distribución es

- Si el coeficiente de curtosis es menor a 3 se dice que la distribución es PLATICÚRTICA

- Si el coeficiente de curtosis es igual a 3 se dice que la distribución es MESOCÚRTICA.

Es el número de resultados favorables a la presentación de un evento dividido entre el

Ejemplo 1: P(de que salgan dos caras al tirar 2 monedas)

P(de que salga una cara al tirar 2 monedas )

Ejemplo 2: P(de que salga un varón al tomar 2 bebés y observar su sexo)

Caer ambos dados simultáneamente es: 6*6 = 36.

Considerando que r = 4 pasos

N1= maneras de hacer cimientos = 2

N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la casa

David Luna desea ir a las Vegas o a Disneylandia en las próximas vacaciones de

a) V = maneras de ir a las Vegas

V + D = 6 + 12 = 18 maneras de ir a las Vegas o a Disneylandia

b) V = maneras de ir y regresar a las Vegas

V + D = 12 + 72 = 84 maneras de ir a las Vegas o a Disneylandia en un viaje

Muestras Ordenadas sin repeticion

Sea un conjunto de N elementos distinguibles, llamado población. Cualquier subconjunto o

muestra es: Muestras

Suponga el conjunto = {a, b, c, d} N = 4 El total de formas diferentes de seleccionar n =

Muestras ordenadas con repetición:

Sea un conjunto de N elementos distinguibles, llamado población. Cualquier subconjunto o

b. MOCR: 42 = 16 = {(a, a), (b, b), (c, c), (d, d), A}

Muestras no Ordenadas sin repetición:

Los N elementos de la población aunque diferentes no requieren distinguirse, el total de

El total de subconjuntos de tamaño 2 tomados de el conjunto de 4 elementos que no

Propiedades elementales de la probabilidad:

1. La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la

2. Probabilidad del suceso imposible es cero.

4. Si un suceso está incluido en otro, su probabilidad es menor o igual a la de éste.

5. Si A1, A2,..., Ak son incompatibles dos a dos entonces:

6 Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn} entonces:

La probabilidad de sacar par, al tirar un dado, es:

P(par) = P(2) + P(4) + P(6)

La probabilidad de que un evento ocurra cuando se sabe que ya ocurrio un evento se

La probabilidad condicional es una función de probabilidad, definida como

Las características de esta distribución son:

Para determinar la probabilidad de que ocurran x éxitos por unidad de tiempo,

a) Es generada por una variable de tipo continuo, denominada x;

Al dar a la función los valores de  , 2 y valores a x, obtendremos la

Sí sumamos a , se observará que aproximadamente el 68.26% de los

También podría gustarte