Академический Документы
Профессиональный Документы
Культура Документы
Tabla de contenido
1|Página
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
2|Página
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Caracterización de la asignatura
La asignatura aporta al perfil del ingeniero las competencias necesarias para interpretar datos que
permita mejorar los procesos de fabricación, investigación y diseño. Demás obtendrá la habilidad
para plantear y solucionar problemas por medio de métodos estadísticos.
Conocer y aplicar los conceptos de probabilidad y estadística como una herramienta en la solución
de problemas de ingeniería e investigación. Organizar y clasificar datos con el fin de formular
criterios para la interpretación de resultados. Analizar e interpretar datos para implementar
sistemas de control e información estadística en la ingeniería y mantenimiento.
3|Página
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Población y muestra
Población: Es el conjunto de cosas, personas, animales o situaciones que tienen una o varias
características o atributos en comunes.
Muestreo: En ocasiones que no es posible o conveniente realizar un censo (analizar a todos los
elementos de una población) se selecciona una muestra, entendido por tal una parte representativa
de la población.
1.) Los errores más comunes en el muestreo son hacer conclusiones muy generales a partir de
la observación de solo una parte de la población y se denomina error de muestreo.
2.) Hacer conclusiones hacia una población mucho más grande de la que originalmente se tomó
la muestra. Error de inferencia.
Tipos de muestreo
Muestreo en el que todas las muestras tienen la misma probabilidad de ser seleccionados y en
el que las unidades obtenidas a lo largo del muestreo se devuelven a la población.
Muestreo estratificado
Técnica de muestreo basada en el criterio que la selección debe contemplar los estratos que se
deben estudiar.
4|Página
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Muestreo sistemático
5|Página
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Un colegio tiene 120 alumnos se requiere extraer una muestra de 30 alumnos, mediante el
muestreo aleatorio simple, se numeran los alumnos del 1 al 120, se sortean 30 números de entre 1
a 120 y finalmente se obtiene el dato de esos 30 alumnos aleatorios.
Para un estudio de opinión puede resultar interesante estudiar por separado las opiniones de
hombres y mujeres pues se estima que, dentro de cada uno de estos grupos puede haber cierta
homogeneidad así, si la población está compuesta de un 55% mujeres y 45% hombres se tomaría
una muestra que contenga también esa misma proporción.
Se tiene 50 cabezas de ganado, se numeran y se pesan los números 8, 14, 20, 26, 32, 38, 44, 50 para
ver el promedio de kg por animal.
6|Página
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Contexto: las subestaciones distribuyen energía eléctrica de acuerdo a la demanda actúa, conocer
el promedio de consumo ayudará a mantener las subestaciones con energía suficiente para
abastecer determinada área
Teniendo así la información podemos sacar los promedios y hacer una suma aproximada
7|Página
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Conclusión general:
A través del estudio realizado por medio del muestreo aleatorio por conglomerados podríamos
obtener datos precisos acerca del consumo promedio de las viviendas e industrias de una colonia
en específico perteneciente a una comunidad cualquiera, gracias a la información recabada
podríamos conocer que subestaciones administran mucho más energía de lo que necesita el área a
la que pertenece, y cual subestación administra menos energía de lo requerido, con ello se aplicaran
mejoras y configuraciones en las subestaciones para ahorrar energía y hacer más eficiente su
gestión. Gracias al muestreo de ser aplicada la investigación ahorraríamos tiempo y reduciríamos
costos, además de obtener datos confiables y con resultados casi idénticos si el estudio se hiciera a
la totalidad de las viviendas, empresas, micro negocios e industrias.
8|Página
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Son el uso de técnicas y herramientas que pueden ser utilizadas para realizar sistemas de
información, los cuales pueden ser
9|Página
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Propósito: que el alumno comprenda algunas de las medidas de tendencia, para que pueda conocer
en que consiste y poder aplicarlas en su entorno profesional
10 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Propósito: Que el alumno identifique los diferentes tipos de gráficas y sus aplicaciones. Con la
finalidad que aprendan a presentar los datos y analizar gráficos para llegar a conclusiones
estadísticas.
Parte 1: investiga los diferentes tipos de gráficas y sus aplicaciones. Realiza un esquema de llaves y
al finaliza agregar la bibliografía
Bibliografía:
http://www.ine.es/explica/
docs/pasos_tipos_graficos.p
df
11 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Esta grafica de barras es creada con el motivo de presentar de manera gráfica los datos arrojados
por una investigación realizada en el área automotriz con el objetivo de saber el incremento de
unidades vendidas a nivel internacional por México en un periodo de tiempo que va del 2009 al
2015 y de esta forma pronosticar las ventas de vehículos ligeros para los años venideros.
Datos:
Grafica:
12 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Conclusión estadística
http://www.automotivemeetings.com/mexico/index.php/
es/industria-automotriz-en-mexico
Suposiciones
Teniendo así la información podemos sacar los promedios y hacer una suma aproximada
13 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Grafica
Conclusión
En la gráfica anterior podemos ver el rendimiento de dos máquinas diferentes haciendo la misma
tarea durante el mismo lapso de tiempo y viendo los resultados de la gráfica podemos ver cuál de
las dos es más eficiente.
Datos:
Grafica:
Conclusión estadística
En la gráfica que se acaba de representar se puede ver el cambio en la cantidad de piezas de corte
realizadas a determinadas horas del día, el pictograma representa gráficamente la situación y es una
forma de más amena de hacer la representación de datos, y tiene la misma función e importancia
que cualquier otra representación gráfica, de esta manera ya tenemos un balance de los productos
realizados en un día para poder hacer uso de esos datos para beneficio común.
15 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Un histograma es una representación gráfica de una variable en forma de barras. Se utilizan para
variables continuas o para variables discretas, con un gran número de datos, y que se han agrupado
en clases.
Datos:
Grafica:
Histograma
100
90
80
70
60
50
40
30
20
10
0
<20 30-35 35-40 40-45 45-55 55-65 65-75 75-90 >90
16 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Conclusión estadística
En la gráfica que se acaba de representar se puede ver el peso de las personas según su edad, el
histograma representa gráficamente la situación y es una forma de más amena de hacer la
representación de datos, y tiene la misma función e importancia que cualquier otra representación
gráfica, de esta manera ya tenemos un balance de los productos realizados en un día para poder
hacer uso de esos datos para beneficio común.
17 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Ejercicio 1:
Instrucciones: determina moda, varianza, media, mediana, desviación estándar, de los siguientes
datos.
10, 11, 11, 12, 12, 13, 13, 13, 14, 15, 16, 17, 18, 20
Formula de la varianza
Mediana = 13
𝑆 2 = ∑(𝑥, 𝑥̅ )
Moda = 13 𝑁−1
Media = 13.76
𝑺𝟐 = 8.8590
𝑺 = 2.9796
Ejercicio 2:
Instrucciones: determina moda, varianza, media, mediana, desviación estándar, de los siguientes
datos.
21.4, 21.6, 21.7, 22.9, 23.8, 24.2, 24.33, 24.7, 25.1, 25.3, 25.4
𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 24
𝑀𝑜𝑑𝑎 = 23.8
𝑀𝑒𝑑𝑖𝑎 = 23.68
𝑆 2 = 2.12
𝑆 = 1.45
18 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Propósito: Que el alumno identifique las aplicaciones de las medidas de tendencia central y de
dispersión dentro de la industria, de tal forma que aprenda a solucionar problemas y obtener
conclusiones.
En una empresa donde deshidratan frutas para formular suplementos alimenticios, se realiza
muestreo de la presión de la hidrolavadora para verificar la eficiencia del equipo durante un turno
de forma sistemática obteniendo los siguientes datos.
4000, 4700, 4700, 4700, 4700, 4900, 5250, 5300, 5370, 5700, 5800, 6250, 6300, 6400, 6500
𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 5300
𝑀𝑜𝑑𝑎 = 4700
𝑀𝑒𝑑𝑖𝑎 = 5371.3
𝑆 2 = 258,4540.9536
𝑆 = 764.552
19 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Propósito: Que el alumno identifique las aplicaciones de las medidas de tendencia central y de
dispersión dentro de la industria, de tal forma que aprenda a solucionar problemas y obtener
conclusiones.
En una empresa donde deshidratan frutas para formular suplementos alimenticios, se realiza
muestreo de la temperatura de la hidrolavadora para verificar la eficiencia del equipo durante un
turno de forma sistemática obteniendo los siguientes datos.
22, 42, 42, 43, 43, 45, 45, 45, 45, 45, 46, 47, 47, 51, 78
𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 45
𝑀𝑜𝑑𝑎 = 45
𝑀𝑒𝑑𝑖𝑎 = 45.73
(−23.73)2 + (−3.73)2 (2) + (−2.73)2 (2) + (−0.73)2 (5) + (0.27)2 (2) + (5.27)2
+(32.27)2
𝑆2 =
14
𝑆 2 = 119.739
𝑆 = 10.94
20 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Instrucciones: Investiga valores o datos con relación a un problema dentro de la industria que
interfiera con el perfil del ingeniero en electromecánica, propón un ejercicio donde sea necesario
las medidas de tendencia central y de dispersión.
Ejemplo:
En un hogar se cuenta con un generador de energía eléctrica a base del viento, para mantener el
suministro voltaico estable en la casa se deben realizar las mediciones para no sobrecargar los
aparatos y ocasionar un corto o para no quedarnos sin energía en la casa, tras un día de muestreo
simple a diferente hora del día se realizaron las siguientes lecturas.
Muestras recolectadas.
150v, 80v, 130v, 160v, 99v, 105v, 60v, 88v, 271v, 120v, 125v, 50v, 177v, 190v, 150v.
Datos ordenados.
50v, 60v, 80v, 88v, 99v, 105v, 120v, 125v, 130v, 150v, 150v, 160v, 177v, 190v, 271v.
Estadísticas obtenidas.
Media = 130.33
Mediana = 125
Moda = 150
Varianza = 3190.2381
Solución.
Para regular esta situación se tendrá una batería en la cual almacenaremos la energía que sobre
pase a los 120v estándar en una casa, para que así cuando haya un déficit de ese voltaje poderlo
tomar y así tener un voltaje regular en todo momento.
21 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
1.) Es la probabilidad medida en numero de que ocurra una suceso entre otros posibles, la
𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
probabilidad de que ocurra un evento se mide como 𝑛° 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
Ejemplo:
Un dado se lanza, los casos favorables es la parte que queremos obtener y el n° es todas
las opciones, la probabilidad de que caiga la cara 3 en un lanzamiento es de:
Ejemplo:
Al lanzar dos monedas pueden salir, cara – cara, cara – sol, sol – sol, sol – cara, todas estas
posibilidades consisten al espacio muestral, (similar al diagrama de árbol)
3.) Ocurrencia de eventos. Es que tan probable ocurra algo la ocurrencia se mide en 1 o 0, 1
es cuando algo es muy probable que pase y 0 cuando casi es nulo que suceda.
Ejemplo: al lanzar una moneda 0 es sello y 1 es águila, ya que es más probable que caiga
águila que sello.
22 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Propósito: Que el alumno identifique la diferencia entre permutación y combinación asi como su
uso y fórmulas de aplicación.
Analisis
Son eventos similares a las
permutaciones.
Pero el orden ya no importa y es
a
necesario
eliminar de las permutaciones
aquellas donde
Combinacion los elementos se repiten aunque
con distinto orden
23 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Cuantas maneras hay de asignar los primeros 3 lugares en un concurso de conocimiento si hay 20
participantes de distintas universidades.
𝑛! 20!
𝑛𝑃𝑟 = → 20𝑃3 = = 6,840
(𝑛 − 𝑟)! (20 − 3)!
En una clase de 50 alumnos es necesario formar un comité de 5 alumnos, cuantos comités distintos
se pueden formar.
𝑛! 50!
𝑛𝐶𝑟 = → 50𝐶5 = = 2,118,760
(((𝑛 − 𝑟)!)(𝑟!)) (((50 − 5)!)(5!))
Cuantas maneras diferentes hay de asignar posiciones de salida en la carrera de caballos si son 15
participantes.
15! = 1.3𝑥1012
0, 1, 2, 3, 5, 7, 9
𝑛! 7!
𝑛𝑃𝑟 = → 7𝑃3 = = 210
(𝑛 − 𝑟)! (7 − 3)!
En una reunión de ingenieros asisten 20 participantes de las diferentes empresas para generar un
intercambio de experiencias con otros 5 ingenieros. Se pueden compartir información de cuantas
maneras posibles.
𝑛! 20!
𝑛𝐶𝑟 = → 20𝐶6 = = 38,760
(((𝑛 − 𝑟)!)(𝑟!)) (((20 − 6)!)(6!))
24 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
1) Posiciones de juego si solo una posición puede ser usada por Uriel esparza
𝑛! 11!
𝑛𝐶𝑟 = → 11𝐶4 = = 330
(((𝑛 − 𝑟)!)(𝑟!)) (((11 − 4)!)(4!))
2) Cuantas maneras hay de que se ocupen posiciones de juego si es necesario que jueguen
Uriel y Daniel.
𝑛! 10!
𝑛𝐶𝑟 = → 10𝐶3 = = 120
(((𝑛 − 𝑟)!)(𝑟!)) (((10 − 3)!)(3!))
25 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Probabilidad de eventos.
1) Una bolsa contiene 4 canicas rojas, 3 azulé, 5 amarillas y 7 moradas si sacas una canica de
la bolsa ¿cuál es la probabilidad que sea?:
3
Una canica azul: 19
7
Una canica morada: 19
4
Que la primera canica sea roja:
19
5
Que la segunda canica sea amarilla: 18
26 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Diagrama de árbol
Es una herramienta utilizada para determinar todos los posibles resultados de un experimento
aleatorio, es la representación gráfica de los posibles datos de un experimento.
Observaciones:
Ejemplo:
Se cuentan con 2 personas que pueden obtener 2 salarios distintos, salario A, B, realiza las
combinaciones posibles.
27 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
28 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Propósito: Que el alumno identifique el uso y aplicación del diagrama de árbol en cualquier ámbito,
su estructura y funcionamiento.
Ejemplo 1:
Ejemplo 2
29 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Ejemplo 3
Ejemplo 4.
30 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Ejemplo 5.
31 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Introducción
En el presente documento analizaremos las diferentes formas que presentan algunas de las
distribuciones presentes en probabilidad y estadística, recordando que una distribución es la
variable aleatoria que se asigna a cada suceso definido sobre la variable aleatoria de la probabilidad
de que dicho suceso ocurra.
Nos enfocaremos en su estructura, formula, su aplicación dentro del entorno aplicativo, en que
consiste y su lugar dentro de las demás estructuras, todo ello para comprender mejor estas
distribuciones y poder aplicarlas en nuestro beneficio cuando sean necesarias.
32 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Toda distribución de probabilidad es generada por una variable aleatoria, cuando la variable
aleatoria es discreta. Significa que solo puede tomar valores enteros y un número finito de ellos.
Ventajas
A diferencia de los demás métodos la distribución de probabilidad discreta:
Indica toda la gama de valores que pueden representarse como resultado de un posible
experimento.
Describe la probabilidad de que un evento se realice en el futuro.
Es una herramienta fundamental para la prospectiva, ya que permite diseñar un conjunto
de acontecimientos futuros con respecto a actuales.
Desventajas
Por motivo de que en este método se hace uso de variables aleatorias no es un método
totalmente exacto en comparación a los demás.
Ejemplo
Se tiene una moneda que al lanzarla puede dar sólo dos resultados: o cara (50%), o cruz (50%). La
siguiente tabla muestra los posibles resultados de lanzar dos veces una moneda:
Al realizar la tabla de distribución del número posible de caras que resulta de lanzar una moneda
dos veces, se obtiene:
33 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Distribuciones hipergeométrica
Definición
Ventajas
Las distribuciones hipergeométrica a diferencia de las demás se caracteriza por las diferentes
ventajas que en su campo y aplicación la hace más eficiente.
Ejemplo
De 50 edificios en un parque industrial 12 no cumplen el código eléctrico. Si se seleccionan
10 edificios aleatoriamente. Determine la probabilidad de que 3 no cumplan el código.
34 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Datos
Formula
𝑅 𝑁 − 𝑅 12 50 − 12
( )( ) ( )( ) ( 12! ) ( 38! )
𝑃(𝑥) = 𝑥 𝑛 − 𝑥 = 3 10 − 3 = 3! 9! 7! 31! = 0.2703
𝑁 50 50!
( ) ( )
𝑛 10 10! 40!
𝑑 𝑁 − 𝑑
( )( )
𝑃(𝑋 = 𝑥) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛
N=Tamaño de la población
n= Tamaño de la muestra extraída
D=Número de elementos de la población
X=Número de elementos en la muestra.
𝑎
La notación ( ) hace referencia al coeficiente binomial, es decir, el número de
𝑥
combinaciones posibles al seleccionar x elementos de un total a
35 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Distribuciones Poisson
Definición
La distribución de Poisson se puede entender como un caso particular de la Binomial que utilizamos
para determinadas distribuciones en las que el cálculo de la probabilidad es engorroso debido bien
a que el número de pruebas es excesivamente elevado o bien a que la probabilidad de éxito es
excesivamente baja.
Este tipo de distribución se caracteriza a diferencia de las demás debido a que a diferencia de las
demás cuenta con algunas ventajas y desventajas que se describen a continuación.
Ventajas
En comparación a los demás métodos este permite realizar un análisis a un número de pruebas más
amplia, además de:
Se tiene una gran ventaja, los resultados posibles son dos, éxito o fracaso, accidente no
accidente.
Teniendo esto se puede generalizar de una manera más eficaz.
Desventajas
Debido a estas discrepancias es que tiene su campo de aplicación distinto y por lo tanto mejor
desarrollo y eficiencia de aplicación.
Ejemplos
36 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Distribuciones T
Definición
Las distribuciones t de Student son parecidas a la normal. Se pueden utilizar para hacer estimaciones
de la media cuando se desconoce la varianza (es lo habitual) y se usan muestras pequeñas.
Los intervalos así obtenidos son, no podría ser de otra manera, más grandes y menos precisos que
los que se obtendrían si supusiéramos conocida la varianza en una distribución normal.
Este tipo de distribución (Distribución T) se caracteriza a diferencia de las demás debido a que a
diferencia de las demás cuenta con algunas ventajas y desventajas que se describen a continuación.
Ventajas
Desventajas
Por ejemplo, diferencias más grandes son necesarias rechazar la hipótesis nula.
Tienden para ser menos informativas.
Por lo general las muestras necesitadas son más grandes.
Ejemplos
Los valores de las matriculas de estudiantes en una universidad privada tienen un comportamiento
aproximadamente normal, donde el promedio es de 2.100.000. Se seleccionan 8 liquidaciones,
siendo los valores los siguientes: 1.950.000, 2.100.000, 2.250.000, 1.890.000, 2.250.000, 1.950.000,
2.050.000, 2.350.000. Determine la probabilidad de que:
37 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Distribuciones chi-cuadrada
Definición
En estadística, la distribución de Pearson,
llamada también ji cuadrada(o) o chi
cuadrado(a) (χ²), es una distribución de
probabilidad continua con un
parámetro que representa los grados de
libertad de la variable aleatoria
Donde son variables aleatorias normales independientes de media cero y varianza uno. El que la
variable aleatoria tenga ésta distribución se representa habitualmente así: .
38 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Su función de distribución es
Cuando k es suficientemente grande, como consecuencia del teorema central del límite, puede
aproximarse por una distribución normal:
Ventajas
Aparece también en todos los problemas de análisis de varianza por su relación con la distribución
F de Snedecor, que es la distribución del cociente de dos variables aleatorias independientes con
distribución χ².
39 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Distribuciones F
Definición
La hipótesis de que las medias de múltiples poblaciones normalmente distribuidas y con la misma
desviación estándar son iguales.
Este tipo de distribución (Distribución F) se caracteriza a diferencia de las demás debido a que a
diferencia de las demás cuenta con algunas ventajas y desventajas que se describen a continuación.
Ventajas
ventajas
Valido para muestras pequeñas
Sirven para datos no numéricos
En general no se conoce la distribución de probabilidad (el teorema del límite central no
aplica)
Respuestas rápidas con menos calculo
Menos suposiciones
Desventajas
No usa toda la información disponible
Al no hacer parámetros es difícil hacer estimaciones
Son algo menos eficientes
Ejemplo
El jefe de un laboratorio se encuentra con una técnica de medición fuera del estadístico para
investigar las causas decide investigar si el factor humano tiene incidencia y toma una muestra de
suero cualquiera la divide en 20 muestras luego elige 10 de ellas al azar y se las entrega al laboratorio
1 Y laboratorio 2 para que las mida los resultados obtenidos son: LABORATORIO 1 S1 = 24 VARIANZA.
LABORATORIO 2 S1 hay diferencias entre ambos.
40 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Definición:
Puesto que la función de distribución de una variable aleatoria X viene dada por, la definición
implica que en una distribución de probabilidad continua X se cumple 𝑃[𝑋 = 𝑎] = 0 para todo
número real a, esto es, la probabilidad de que X tome el valor a -> 0 para cualquier valor de a.
Ventajas
Hay infinitos valores posibles de la variable y entre cada dos de ellos se pueden
definir infinitos valores más.
Es posible calcular la probabilidad acumulada hasta un cierto valor.
Se puede analizar cómo cambia la probabilidad acumulada en cada punto.
Desventajas
Deberá tomar solo valores mayores o iguales a cero.
No es posible deducir la probabilidad de un valor puntual de la variable.
Los valores que toma x debe ser igual a 1
Ejemplo
Una variable aleatoria es una función medible que da un valor numérico a cada suceso. En teoría de
la probabilidad una distribución de probabilidad se llama continua si su función de distribución es
continua. Puesto que la función de distribución de una variable aleatoria X viene dada por
𝐹𝑥 (𝑥) = 𝑃(𝑥 ≤ 𝑥), la definición implica que en una distribución de probabilidad continua X se
cumple 𝑃[𝑋 = 𝑎] = 0 para todo número real a, esto es, la probabilidad de que X tome el valor a
es cero para cualquier valor de a. Si la distribución de X es continua, se llama a X variable aleatoria
continua
41 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Conclusión
Después de analizar las diferentes distribuciones, se puede concluir que este tipo de aplicaciones
facilitan las tareas del aplicador a la hora de realizar tareas de medidas de tendencia central e incluso
de dispersión enfocadas a diferentes condiciones y aplicaciones.
Las distribuciones aquí mencionadas son algunas de las más destacadas sin embargo no son las
únicas que existen, para cada tarea se debe escoger la más adecuada y la que devuelva el valor que
deseamos obtener, después de analizar el documento también se puede anexar que las diferentes
distribuciones surgen de procesos manuales y de consistencia además de uso común que juntas
generan fórmulas que son de gran utilidad y manejo para las ingenierías y múltiples licenciaturas.
42 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Ejercicios de distribución
En el último año. El peso de los recién nacidos en una maternidad se ha distribuido según una
media M=3100g y desviación típica σ=150g
¿Cuál es la probabilidad de que la media de una muestra de 1000 nacidos sea superior a 3130?
Datos
𝑥̅ = 3130
𝑀 = 3100
𝜎 = 150
𝑛 = 100
3130 − 3100 30 30
𝑧= = = =2 𝒛 = 𝟎. 𝟎𝟐𝟐𝟖 𝟐. 𝟐𝟖%
150/√100 150/10 15
En una empresa eléctrica fabrica lámparas que tienen una duración que se distribuye en una forma
contante normal con una media de 800h y desviación estándar de 40h, calcular la probabilidad de
que al tomar una muestra de 16 lámparas tenga una vida de 775
𝑥̅ = 800
𝑀 = 775
𝜎 = 40
𝑛 = 16
800 − 775 −25 −25
𝑧= = = = |−2.5| = 2.5 𝒛 = 𝟎. 𝟎𝟎𝟔𝟐 = 𝟎. 𝟎𝟔𝟐%
40/√16 40/4 10
En un servicio de atención al cliente el tiempo de atención al cliente el tiempo de espera para recibir
atención es una variable normal de 10 min y una desviación típica de 2. Se toman muestras
aleatorias del tiempo de espera de los clientes que llegan 1 día concreto. ¿Cuál es la probabilidad
de que el tiempo de espera de 25 clientes no supere los 9 min?
𝑥̅ = 9
𝑀 = 10
𝜎=2
𝑛 = 25
9 − 10 −1
𝑧= = = |−2.5| = 2.5 𝒛 = 𝟎. 𝟎𝟎𝟔𝟐 = 𝟎. 𝟎𝟔𝟐%
2/√25 2/5
43 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
El CI de los alumnos de un centro especial se distribuye normal mente con una media de 80 y
desviación típica de 10 si traemos una muestran aleatoria simple de 25 alumnos.
𝑥̅ = 80
𝑀 = 75
𝜎 = 10
𝑛 = 25
80−75
Z= = 2.5
10/√25
Z = 0.00062
𝑥̅ = 80
𝑀 = 83
𝜎 = 10
𝑛 = 25
80−83
Z= = 1.5
10/√25
Z = 0.0668
𝑥̅ = 165
𝑀 = 167
𝜎=8
𝑛 = 36
167−165
Z= 8/√36
= 1.5
Z = .0668
44 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Estadística inferencial
Inferencia estadística
45 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Muestreo estadístico
El muestreo es más que el procedimiento empleado para obtener una o más muestras de una
población, el muestreo es una técnica que sirve para obtener una o más muestras de población.
Este se realiza una vez que se ha establecido un marco muestral representativo de la población, se
procede a la selección de los elementos de la muestra aunque hay muchos diseños de la muestra.
Al tomar varias muestras de una población, las estadísticas que calculamos para cada muestra no
necesariamente serían iguales, y lo más probable es que variaran de una muestra a otra.
46 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Estimadores
Estimación estadística
Es la probabilidad de que el
Este intervalo contiene al verdadero valor del
Consiste en la estimación del parámetro estimado con un parámetro estimado en la
valor del parámetro determinado nivel de población se sitúe en el
mediante un sólo valor, confianza. Pero a veces intervalo de confianza
obtenido de una fórmula puede cambiar este intervalo obtenido. Es habitual tomar
determinada cuando la muestra no como nivel de confianza un
garantiza un axioma o un 95% o un 99%, que se
equivalente circunstancial. corresponden con valores α
de 0,05 y 0,01
respectivamente.
si se pretende estimar la
talla media de un
determinado grupo de
individuos, puede extraerse
una muestra y ofrecer como
estimación puntual la talla
media de los individuos.
47 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Conceptos
Estimación puntual:
Estimación por intervalos:
48 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
Se tienen las edades de 10 empleados de proceso con una media poblacional de 39.5 y una
desviación de 7.7
49 | P á g i n a
Instituto Tecnológico superior de Arandas | Probabilidad y estadística
50 | P á g i n a