Estadística Descriptiva Aplicada.

Nombre: Juan Antonio Beltrán

Fernández.
Carrera: Negocios Internacionales.
Profesor: Jacob Contreras Obando.

Entregable 2.- Variables aleatorias

discretas, distribuciones de
probabilidad continua.
PREGUNTAS.

1.- Da la definición de los siguientes conceptos:

Aleatorio: En estadística, un fenómeno aleatorio es aquel que, bajo el mismo

conjunto aparente de condiciones iniciales, puede presentar resultados diferentes,
es decir, no se puede predecir el resultado exacto de cada experiencia particular.
(Ejemplo: Lanzamiento de un dado). Este tipo de fenómeno es opuesto al
fenómeno determinista, en el que conocer todos los factores de un experimento
nos hace predecir exactamente el resultado del mismo. Por ejemplo, conociendo
la altura desde la que se arroja un móvil es posible saber exactamente el tiempo
que tardará en llegar al suelo en condiciones de vacío.
Censo: Se denomina censo al recuento de individuos que conforman
una población estadística, definida como un conjunto de elementos de referencia
sobre el que se realizan las observaciones. El censo de una población estadística
consiste básicamente en obtener mediciones del número total de individuos
mediante diversas técnicas de recuento y se realiza cada determinado período.
Cuestionario: El cuestionario es un documento formado por un conjunto de
preguntas que deben estar redactadas de forma coherente, y organizadas,
secuenciadas y estructuradas de acuerdo con una determinada planificación, con
el fin de que sus respuestas nos puedan ofrecer toda la información.
Estadística: Es la que se va a que se encargar del estudio de una determinada
característica en una población, recogiendo los datos, organizándolos en tablas,
representándolos gráficamente y analizándolos para sacar conclusiones de dicha
población.
Muestra: Es un subconjunto de elementos de la población estadística. El mejor
resultado para un proceso estadístico sería estudiar a toda la población. Pero esto
generalmente resulta imposible, ya sea porque supone un coste económico alto o
porque requiere demasiado tiempo.
Estadística Inferencial: comprende los métodos y procedimientos que por medio
de la inducción determina propiedades de una población estadística, a partir de
una parte de esta. Su objetivo es obtener conclusiones útiles para hacer
deducciones sobre una totalidad, basándose en la información numérica de la
muestra.
Distribución Uniforme: Es el modelo (absolutamente) continuo más simple.
Corresponde al caso de una variable aleatoria que sólo puede tomar valores
comprendidos entre dos extremos a y b, de manera que todos los intervalos de
una misma longitud (dentro de (a, b)) tienen la misma probabilidad.
Distribución Binomial: es una distribución de probabilidad discreta que cuenta el
número de éxitos en una secuencia de n ensayos de Bernoulli independientes
entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos.
Distribución Hipergeométrica: Se emplea para calcular la probabilidad de
obtener determinado número de éxitos en un espacio muestral de n ensayos; pero
a diferencia de la distribución binomial es que los datos de la muestra se extraen
sin reemplazo en una población finita.
Distribución Poisson: la distribución de Poisson es una distribución de
probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media,
la probabilidad de que ocurra un determinado número de eventos durante cierto
período de tiempo. Concretamente, se especializa en la probabilidad de ocurrencia
de sucesos con probabilidades muy pequeñas, o sucesos raros.

2.- ¿En qué situaciones es conveniente recurrir al muestreo?

En situación donde debemos estimar cantidades desconocidas de la población
(media poblacional, varianza, etc.). También para determinar las diferencias que
se pueden observan entre dos muestras debido a la aleatoriedad de esta.
3.- ¿Para qué se utiliza la teoría del muestreo?
Para poder tener una información sobre una cantidad de individuos en una
población a gran escala, con el propósito de estudiarlo y poder ejemplificar el total
de la población y por ende minimizar el trabajo al obtener la información.
4.- ¿Qué es el nivel de confianza?
es la probabilidad de que, al tomar una muestra dentro de una población, la media
se encuentre dentro de un intervalo de confianza. Cuanto más grande sea el
intervalo, más probable será que la media se encuentre dentro. Por su parte, la
amplitud del intervalo se relaciona con dicha probabilidad mediante la distribución
normal por medio del valor "z_{α/2}" o "z_{1-α/2}", según la tabla de la distribución
normal que se disponga.
5.- ¿Qué es la distribución t?
es una distribución de probabilidad que surge del problema de estimar la media de
una población normalmente distribuida cuando el tamaño de la muestra es
pequeño. Aparece de manera natural al realizar la prueba t de student para la
determinación de las diferencias entre dos varianzas muestrales y para la
construcción del intervalo de confianza para la diferencia entre las partes de dos
poblaciones cuando se desconoce la desviación típica de una población y esta
debe ser estimada a partir de los datos de una muestra.
6.- A qué se refiere el término Grados de libertad:
Son la cantidad de información suministrada por los datos que podemos “gastar”
para estimar los valores de parámetros de una población desconocida y calcular la
variabilidad de esas estimaciones.

7.- ¿Qué es la potencia de la prueba?

Es la probabilidad de que la hipótesis nula se rechazada cuando la hipótesis
alternativa es verdadera, o dicho en otras palabras es la probabilidad de no
cometer algún error del tipo 2. (error tipo 2: es equivalente a encontrar un
resultado falso positivo),

8.- ¿Qué es la Prueba direccional o de una cola?

Es una prueba en la estadística, usada en la inferencia, en la que se da una
hipótesis estadística, rechazada cuando el valor de la estadística en una prueba
es suficiente ya sea pequeño o grande. Se usa cuando la hipótesis alternativa se
expresa como no iguales.

9.- ¿Qué es la Prueba no direccional o de dos colas?

La prueba de dos colas es una prueba estadística utilizada en la inferencia, en la
que se da una hipótesis estadística, H0 (la hipótesis nula), rechazada cuando el
valor de la estadística de prueba es suficiente ya sea pequeño o grande lo
suficiente. Esto contrasta con una prueba de una cola, en el que sólo una de las
regiones de rechazo "suficientemente pequeña" o "suficientemente grande" está
preseleccionado de acuerdo a la hipótesis alternativa de ser seleccionado, y se
rechaza la hipótesis sólo si el resultado satisface ese criterio. Los nombres
alternativos son pruebas de una y dos caras.
RESUELVE LOS SIGUIENTES EJERCICIOS:
1.- Define el espacio muestral y cardinalidad del experimento de lanzar 2
dados.
El espacio muestral son todos los posibles resultados que se pueden obtener de
un experimento aleatorio.
La probabilidad de que salga un número de cada una de las caras del dado
número uno es de 1/6.
1) 1/6 2) 1/6 3) 1/6 4) 1/6 5) 1/6 6) 1/6
Al agregar el segundo dado la probabilidad de que salga un 1 es 1/6, este se
multiplica por la probabilidad de que salga un 1 del primer dado lo que da una
probabilidad de 1/36 por cada una de las caras de los dados.
X
(1,1 (1,2) (1,3) (1,4) (1,5) (1,6)
)
(2,1 (2,2) (2,3) (2,4) (2,5) (2,6)
)
(3,1 (3,2) (3,3) (3,4) (3,5) (3,6)
)
(4,1 (4,2) (4,3) (4,4) (4,5) (4,6)
)
Existen 36 (5,1 (5,2) (5,3) (5,4) (5,5) (5,6) posibilidades.
)
(6,1 (6,2) (6,3) (6,4) (6,5) (6,6)
)
2.- Realizar por Teorema de Bayes
En una empresa, el 60% de los trabajadores laboran en el área de
producción, el 25% en el área industrial y el resto en áreas administrativas.
El 30% de los que están en producción “sí saben leer”, el 60% del área
industrial “sí saben leer” y el 90% del área administrativa también saben leer.
¿Si elijo una persona al azar, qué probabilidad será de que sepa leer y que
además pertenezca al área de producción?

Producción 60% (0.3% leen 0.7%no)

Industrial 25% (0.6% leen 0.4% no)
Administrativas 15% (0.9% leen 0.1% no)
 (0.6)(0.3) 0.18
Producción y que lea = ( ) ( ) ( =
0.6 0.3 + 0.25 ) ( 0.6 ) +( 0.15)(0.9) 0.465
=0.38 R=0.38

3.- Realizar por distribución binomial. Una medicina causa efectos

secundarios en varios pacientes, si se seleccionan 7 pacientes, para saber si
han tenido esos efectos o no. La probabilidad de que tengan efectos
secundarios es del 8%. Determinar:
a) Determinar que, de los 7 pacientes, 4 tengan efectos secundarios.
n
P(X=x) =( ) pxqn-x
x

P(X=7) = ( 47 )(0.1) (0.8)

7 4-7
= 1.116

b) La probabilidad de que más de 2 y menos de 6 tengas efectos

secundarios.
P(X>2) =1-P(X<6)
=1-[P(X=0)+P(X=1)]

=1- [ ( 40 )(0.1) (0.8) +( 41 )(0.1) (0.8)

7 4-7 7 4-7
=1.6063

4) Realizar por distribución hipergeométrica. Se va a realizar un sorteo en el

que se tendrán 6 ganadores, se distribuyeron los boletos entre 18 hombres y
26 mujeres. Determinar: a. La probabilidad de que, de los 6 ganadores, 3
sean hombres. b. La probabilidad de que, más de 3 ganadores sean
hombres.
A= 18
X= 6
N= 44
n= 3
X C ( N −a , n− X ) C (a , X )
P ( N , a , n ¿=
dC(N , n)

X C ( N −a , n− X ) C (a , X )
P ( N , a , n ¿=
dC(N , n)
C ( 44−18 , 3−6 ) C (18 , 9) 64
P(X=6) = = 14.6 =3.15
dC(44 , 3)

A) R=3.15
B) R=6.30

5) Realizar por distribución Poisson. Si un banco en promedio recibe 12

cheques sin fondo por día.
a. ¿cuál es la probabilidad de que en una hora determinada reciba 10
cheques sin fondo?

µk ∗e ❑−µ
P ( x=k )
k!
121 2.718−12
P ( X=10 ) =¿ 6.3%
10 !

b. La probabilidad de que en una hora se reciban menos de 4.

P ¿X≤10) = P(X=0) +P(X=1) +P(X=2) +P(X=3) +P(X=4)

2.71−24∗7 0
P(X=0) = =0.001
0!
2.71−7∗7 1
P(X=1) = =¿0.006
1!
2.71−7∗7 2
P(X=2) = =¿0.022
2!
2.71−7∗7 3
P(X=3) = =¿0.064
3!
2.71−7∗7 4
P(X=4) = =¿0.126
4!
15.5%

6.-tilizando el Teorema del Límite central

Las bolsas de harina envasadas por una máquina tienen una media de 500
gramos y una desviación estándar de 35 gramos. Si las bolsas se
empaquetan en cajas de 100.

a) Realizar el cálculo de la probabilidad de que la media de los pesos de

las bolsas de un paquete sea menor a 495 gramos.

N¿ N ( 500,3.5 )
495−500
(
P ( X́ ≤ 495 )= p z ≤
3.5 )
=P ( z ≤−1.43 )= p ( z ≥1.43 )=1− p ( z ≤ 1.43 )=0.0764
0.0764

b) Encontrar la probabilidad de que una caja de 100 bolsas pese más de 51

kilogramos.

N (500∗100,35 √100) N ( 50000,350 )

51000−50000
(
P ¿)= p z >
350 ) =p¿

R:0.0021
CONCLUSIONES:
Una distribución de frecuencia es una tabla de resumen en la que los datos se
disponen en agrupamientos o categorías convenientemente establecidas de
clases ordenadas numéricamente. En esta forma las características más
importantes de los datos se aproximan muy fácilmente, compensando así el hecho
de que cuando los datos se agrupan de ese modo, la información inicial referente
a las observaciones individuales de que antes se disponía se pierde a través del
proceso de agrupamiento o condensación.
La principal ventaja de usar una de estas tablas de resumen es que las principales
características de los datos se hacen evidentes inmediatamente para el lector.
La principal desventaja de tal tabla de resumen es que no podemos saber cómo
se distribuyen los valores individuales dentro de un intervalo de clase particular sin
tener acceso a los datos originales. El punto medio de la clase, sin embargo, es el
valor usado para representar todos los datos resumidos en un intervalo particular.
El punto medio de una clase (o marca de clase) es el punto a la mitad de los
límites de cada clase y es representativo de los datos de esa clase. La
probabilidad es la posibilidad u oportunidad de que suceda un evento particular. La
probabilidad involucrada es una porción o fracción cuyo valor varía entre cero y
uno exclusivamente. Observamos un evento que no tiene posibilidad de ocurrir (es
decir, el evento nulo), tiene una probabilidad de cero, mientras que un evento que
seguramente ocurrirá (es decir, el evento cierto), tiene una probabilidad de uno.
La regla más evidente para las probabilidades es que deben variar en valor de 0 a
1. Un evento imposible tiene una probabilidad cero de ocurrir, y un evento cierto
tiene una probabilidad uno de ocurrir. La probabilidad simple se refiere a la
probabilidad de ocurrencia de un evento simple. Una distribución de probabilidad
para una variable aleatoria discreta es un listado mutuamente excluyente de todos
los resultados posibles para esa variable aleatoria, tal que una probabilidad
particular de ocurrencia esté asociada con cada resultado.
REFERENCIAS:
Sangaku S.L. (2020) Las variables aleatorias. sangakoo.com. Recuperado de
https://www.sangakoo.com/es/temas/las-variables-aleatorias
Artigue, M. (1995a). Ingeniería didáctica. En P. Gómez (Ed.), Ingeniería didáctica
en educación matemática (pp. 39-59). México: Iberoamericana.
Boudot, M. (1979). Lógica inductiva y probabilidad. Madrid: Paraninfo
Castillo, J. y Gómez, J. (1998). Estadística inferencial básica. México: Grupo
Editorial Iberoamérica.