Estadística

Es un conjunto de métodos y alogaritmos por medio de los cuales se pueden

recolectar, organizar, resumir, elaborar y analizar información respecto a un conjunto
de individuos con el fin de extraer conclusiones validas en relación con su
comportamiento y tomar decisiones confiables que permitan minimizar errores.

Expresiones técnicas de uso más frecuente

1- Conjunto de todos los entes observables, posibles

2- Es un estudio realizado sobre toda la población
- Fortaleza: exactitud, objetivo
- Debilidad: no se puede aplicar cuando no se conoce la población, también se
puede decir que es dificultosa debido al tamaño de la población por el alto costo
que representa
Es por ello que se procede a trabajar con subconjuntos (Serie, Muestra)
Serie: es un subconjunto cualquiera de la población, sus elementos son elegidos sin
ninguna técnica, mientras que la MUESTRA es un subconjunto representativo de la
población y en carácter de representatividad se lo da la técnica aplicada para elegir los
componentes. Esta técnica es la llamada técnica de muestreo
Podríamos decir que la diferencia entre serie y muestra es que los resultados que se
obtienen de la serie sirven solo para ella, mientras que los que se obtienen de la
muestra sirven para estimar, es decir, llevada a cabo a nivel probabilístico y las
conclusiones para la población son a nivel probabilístico.
La analogía entre la serie y muestra es que ambos son subconjuntos de la ppoblacion
Estas estudian fenómenos:
  Cuantitativos: Son suceptibles de ser expresados numéricamente, Ej: edad,
peso, etc.
 Cualitativos: son aquellos que admiten una expresión sustantiva o nominal, Ej,
religión, estado, etc.
Los fenómenos cuantitativos generan variables que pueden ser discretas o continuas
 Discretas: entre dos valores no existe ningún valos intermedio ej, edad.
 Continuas: se admite un valor intermedio (se terminan trabajando por variable
discreta)
Las cualitativas son los atributos, que son los atributos, que son entidades susceptibles
de ser expresados momentáneamente ej: lugar de residencia, estado civil,. Debemos
aclarar que los atributos pueden abarcar 1 o más cualidades
Frecuencia:
- Absoluta: el numero de veces que se repite el valor de la variable
- Acumulada: es la sumatoria de frecuencia absoluta
- Relativa: es aquella que se divide cada frecuencia absoluta sobre el tamaño de
la serie
Etapas del estudio estadístico
1- Etapa descriptiva/etapa experimental:
En esta etapa se trabaja con datos e información
Es una etapa empírica
Temas:
A- Serie de frecuencia o distribución de frecuencias
B- Regresión cronológica o serie de tiempo
C- Regresión y correlación
D- Atributos y números índice
2- Etapa analítica
Es la etapa teórica
Temas:
A- Probabilidad
B- Modelos probabilísticos o distribución probabilística
C- Ajuste e interpolación
3- Etapa diferencial
A- Teoría de la estimación
B- Teoría de la decisión
SERIE DE FRECUENCIA
Son tabulaciones en las que las variaciones de las variables se ordenan de forma
creciente y en la que cada valor de la variable se le asigna un numero
Es necesario organizar las variables aplicando esta técnica cuando el objetivo es
calcular los valores (medida características) que aproximadamente reflejen su
funcionamiento
El objetivo de organizar información bajo la fórmula de series de frecuencia cuando el
objetivo es calcular valores (medidas características o estadísticas) que indiquen como
se distribuye la variable en el estudio.
1) Medidas de Posición:
A) Media Aritmética
B) Modo
C) Mediana
D) Cuantiles (cuartiles – deciles – percentiles)
2) De Dispersión:
A) Desvío Estandar (ABS)
B) Desvío Medio (ABS)
C) Varianza (ABS)
D) Desvío Modal (ABS)
E) Desvío Mediano (ABS)
F) Coeficiente de Variabilidad (REL)
G) Coeficiente de Variabilidad Modal (REL)
H) Coeficiente de Variabilidad Mediano (REL)
3) De Forma:
A) Asimetría
B) Curtosis

Media Aritmética:

Es el promedio, se trabaja con series simples o serie de datos agrupados

La diferencia entre serie simple y la agrupada, es que la agrupada abarca mas
conceptos

Es el valor característico de una serie de datos cuantitativos

Ejemplo
1) Ordeno mis datos en formato de tabla y efectúo sumatoria, como así también
determino Xi:

2) Agrego columna Xi · Fi:

433
3) Utilizo fórmula:

X = Σ Xi · fi = 433 / 57 = 7.59 DE 57 ….. CONSIDERABLES, LA VTA

PROMEDIO EN MDP FUE DE 7,59 MDP
______________________________________
N

Modo:

El o los valores de variables de mayor frecuencia absoluta. Es el punto máximo de

concentración de la serie. No es necesariamente único, puede tener un único modo (se
llama unimodal), si tiene dos bimodal, y dos o más de dos multimodal.
Para resolver un ejercicio con la fórmula de modo, el fundamental y primer paso debe
ser determinar la clase modal, y luego simplemente se aplica la fórmula.

Propiedades del Modo:

1) En su cálculo no intervienen todos los valores de la serie;
2) No es único necesariamente;
3) Puede calcularse en series donde hay intervalos no acotados;
4) Puede calcularse en una serie de atributos.
Pasos para determinar el modo (serie de datos agrupados)
1) Determinar la clase modal
Para ello me dijo en la columna de frecuencia absoluta cual es la de mayor valor
y allí estará determinada la clase modal
 2) Aplicar la formula

Mediana:

Es el Valor de la variable que separa a la serie en dos partes de igual número de

elementos.

Para resolver un ejercicio con la fórmula de la mediana, el primer paso es aplicar N/2.
Luego, debemos agregar la columna Fi (frencuencias acumuladas). Detectaremos
como clase mediana aquella cuya frecuencia acumulada sea el primer valor que
supera a N/2. Finalmente, aplicamos la fórmula.
Pasos para determinar la mediana
1) Agregar una columna que se denota F (Frecuencia acumulada)
2) Me fijo en la columna F cual es el primer valor que supera a N/2 . Ese valor va a
detrerminar la clase mediana
3) Aplico formula

Cuantiles - Cuartiles:

En una serie ordenada, son los valores de variable que dividen a la serie en 4 partes de
igual número de elementos.

Para resolver un ejercicio con la fórmula de cuartil, el primer paso es aplicar 1 (en este
caso porque determinamos el Q1) · N/4. Luego, agregamos la columna de
frecuencias acumuladas Fi, para buscar en ella el primer valor que supere a N/4,
Determino la clase cuartil 1, y aplico fórmula.
Si tomara el mismo caso para resolver el cuartil 3, lo haría de la misma manera, solo
que teniendo en cuenta el primer paso al determinar N/4, multiplicarlo por 3.

Cuantiles - Deciles:

En una serie ordenada, son los valores de variable que dividen a la serie en 10 partes
de igual número de elementos.
Hay 9 deciles en la serie. El decil es igual al q2 y la mediana

Para resolver un ejercicio con la fórmula del decil, el primer paso es aplicar 4 (en este
caso porque determinamos el D4) · N/10. Luego, agregamos la columna de
frecuencias acumuladas Fi, para buscar en ella el primer valor que supere a N/10,
Determino la clase cuartil 4, y aplico fórmula.
 D4

Cuantiles - Percentiles:

En una serie ordenada, son los valores de variable que dividen a la serie en 100 partes
de igual número de elementos.

Para resolver un ejercicio con la fórmula del percentil, el primer paso es aplicar 60 (en
este caso porque determinamos el P60) · N/100. Luego, agregamos la columna de
frecuencias acumuladas Fi, para buscar en ella el primer valor que supere a N/100,
Determino la clase percentil 10, y aplico fórmula.
Las medidas de posición central son las medias aritméticas, el modo y la mediana

Medidas de Dispersión

A) Desvío Estándar (ABS)

B) Desvío Medio (ABS)
C) Varianza (ABS)
D) Desvío Modal (ABS)
E) Desvío Mediano (ABS)
F) Rango (ABS)
G) Coeficiente de Variabilidad (REL)
H) Coeficiente de Variabilidad Modal (REL)
I) Coeficiente de Variabilidad Mediano (REL)
Las absolutas menos RANGO, cuantifican el alejamiento de los valores que toma la
variable respecto de un valor central tomado como referente.
El RANGO es la amplitud de la serie.
Las medidas de dispersión absolutas se usan para comparar la homogeneidad de dos
series expresadas en la misma magnitud.
Cuando las series no están expresadas en la misma magnitud, es necesario calcular
valores dimensionados (números) que son las llamadas medidas de dispersión
relativas.
Cuando se quiere comparar la homogeneidad de dos o más series respecto de su
media aritmética, se calculan sus correspondientes coeficientes de variabilidad.
Será más homogénea aquella serie que tenga menos coeficiente de variabilidad.
Si en una misma serie se quisiera saber, entre media, modo y mediana, cual es la
medida más representativa, se deberá calcular el coeficiente de variabilidad mediano,
modal y medio. Será más representativa la medida de menor coeficiente.
Absolutas:
Relativas:
 [ li - Li ) fi Xi xi · fi Fime (Xi-X)² · fi l Xi-X l · fi

[ 3- 5) 5 4 20 5 171,70 34,00 1) X = Σ Xi · Fi / N = 454 / 46 = 9,86

[ 5- 7) 1 6 6 6 14,90 4,80 2) Mo = lm + d1/d1+d2 · Cmo =
[ 7- 9) 8 8 64 14 27,68 22,40 11 + (12/12 + 12) · 2 = 11
Cme [ 9 - 11 ) 10 10 100 24 0,20 8,00 3) Me = lme + ((n/2-Fme-1)/fme) · Cme N/2 = 23
CM [ 11 - 13 ) 22 12 264 46 100,75 26,40 9 + ((23-14)/10) · 2 = 10,8
46 454 315,22 95,60 Rango
4) r = 13 - 3 = 10
DEstándar. Varianza Dmediano
5) S = (√Σ(Xi-X)² · fi) / N 6) S² = Σ (Xi-X)² · fi) / N 5) DMe = Σ l Xi-X l fi / N
S = √315,22/46 = 2,61 S² = 315,22 / 46 = 6,86 S = 95,6/46 = 2,07

Serie de Tiempo:

Son tablas en las que los valores de la variable se ordenan en función a su

presentación en el tiempo. Tiene como objetivo:
1- analizar la evolución de la variable a lo largo de un gran número de períodos
con el fin de mantener o modificar estrategias
2- mediante la función de pronóstico, estimar el valor de la variable que le
corresponde a un tiempo sobre el cual no se tiene información.
Elementos de la Serie de Tiempo:
1) Tendencia: es una función (generalmente una recta) que representa el movimiento
de la variable en un gran número de períodos. Puede ser a largo plazo (donde se
calcula tomando toda la información) y a corto plazo (solo se calcula cuando a partir de
un momento dado la variable presenta un cambio brusco y sostenido);
2) Estacionalidad: es el número que explica la variación que sufre la variable en
subperíodos equivalentes de distintos períodos. La estacionalidad solo puede
cuantificarse cuando la información está dada en subperíodos comprendidos dentro de
un período mayor.
A subperíodos equivalentes de distintos períodos le corresponden movimientos
aproximadamente similares.
3) Movimientos cíclicos: movimientos que abarcan varios períodos. Presentan una
forma ondulatoria como par a los movimientos ondulatorios.
4) Movimientos aleatorios: Son movimientos bruscos no sostenidos, pueden ser
previsibles o no y son esporádicos.
 Valores que toma Tiempos de
Período Subperíodos y·t t²
la Variable la Serie
año cuatrimestre y t [1] [2]
I 2 1 2 1
2013 II 4 2 8 4
III 6 3 18 9
I 2 4 8 16
2014 II 5 5 25 25
III 9 6 54 36
I 3 7 21 49
2015 II 5 8 40 64
III 11 9 99 81
I 5 10 50 100
2016 II 6 11 66 121
III 13 12 156 144
TOTAL 71 78 547 650

En el caso que la representación gráfica muestre que las puntas próximas a la recta se
dice que existe tendencia lineal, y la recta tiene forma Y = Q0 + Qi T
La recta de tendencia óptima será aquella que la suma de las diferencias cuadráticas
entre los valores empíricos y teóricos sea la menor posible. Método de los cuadrados
mínimos.
EL OBJETIVO ES DETERMINAR LA RECTA DE TENDENCIA QUE ES DE LA
FORMA
Y= A0 + A1.t

I 5 10 50 100
2016 II 6 11 66 121
III 13 12 156 144
TOTAL 71 78 547 650
 △ 12 78 1716
78 650
△Q0 3484
Q0 = = = 2,03
△ 71 78 3484 △ 1716
547 650 △Q1 1026
Q0 = = = 0,59
△ 1716
△ 12 71 1026
78 547

Y = 2,03 + 0,59 t

En el caso de que la representación grafica muestre que los puntos están próximos a
una recta, se dice que existe te4ndencia lineal y la recta es de forma
Y=A0+A1t
Para calcula A0 y A1 se aplica el método de cuadrados minimos entre los valores
empíricos y teóricos
La recta de tendencia optima seria aquella en que la suma de las diferencias
cuadráticas entre los valores empíricos y teóricos sea la menor posible, por lo que el
método que permite calcular los valores de A0 y A1 que definen a la recta de tendencia
se denomina ETODO DE LOS CUADRADOS MINIMOS
CALCULO DE LA ESTACIONALIDAD
Serie de Tiempo: para que pueda cuantificarse la influencia de la estacionalidad, los
datos deben darse en períodos u subperíodos.
La segunda condición es que a subperíodos equivalentes le corresponde un perfil
aproximadamente similar. Para calcular el factor de estacionalidad se aplica el método
de los promedios móviles, se denota con la letra S al número de subperíodos que hay
en cada período.
Se llama móviles porque son promedios encadenados.
El factor de estacionalidad que corresponde a cada subperíodo cuantifica la incidencia
que en ese subperíodo tiene la estacionalidad respecto del valor de la variable

La estacionalidad puede tomar diversos valores:

 < 1: deprime los valores de la variable respecto de lo que se esperaba
 = 1: no hay influencia de la estacionalidad
  > 1: eleva los valores de la variable respecto de lo que se esperaba
Factor de Estacionalidad Ajustado: es a i lo que a cada subperíodo le vamos a
asignar el factor promedio. La suma debe ser igual a S y generalmente se acepta el
error de aproximación decimal.

La función de pronóstico (NPR)

Puede tomar distintas formas y éstas dependen de si existe o no estacionalidad.
Cuando a partir de un momento dado la variable sufre un cambio brusco y sostenido,
es allí donde es necesario calcular la tendencia a corto plazo.
Para estimar el valor de la variable para un tiempo futuro cuando se trabaja con corto y
largo plazo, es necesario cuantificar la confianza que se le tiene a cada uno de ellos.
Esto se obtiene mediante dos factores de ponderación.
REGRESION Y CORRELACION
La palabra regresión es un término técnico. Que se utiliza para identificar, pero no para
describir. Mientras que el termino lineal, es descriptivo e indica que todas las medias
están en línea recta.
Dados dos fenómenos cuantitativos, se trata de encontrar si existe alguna relación
entre las variaciones de los valores de ella. Si existe se trata de encontrar la o las
funciones que describen esa relación

Correlación bivariada
Se tienen valores apareados de ambas variables y es el conjunto de puntos definidos,
por cada par ordenado
Ambas variables son altamente independientes
Para medir la confiabilidad del valor estimado hay que calcular el coeficiente de
correlación
1- Se tienen 2 variables expresadas en la misma magnitud o en distinta magnitud
2- Se tienen valores aparecidos o parecidos de ambas variables
3- Se hace el diagrama de dispersión:
es el conjunto de puntos definidos por cada par ordenado
Su distribución en el plano puede tomar distintas formas y se utiliza para tener
 una idea aproximada del tipo de función que representa la relación entre los
valores de ambas variables
4- Calcular las funciones de regresión

Correlación lineal
En el caso de que el diagrama de dispersión muestre que sus puntos, están próximos a
una recta, se dirá que existe correlación lineal y la función de registraciones eran de la
forma

a- Y=ao+a1X
b- X=b0+b1Y

Objetivo:
a- Es la recta de regresión de Y en X, por lo que permite estimar el valor de Y que
le corresponde a un determinado valor de X
b- La recta de regresión de X en Y, la cual permite estimar el valor de X que le
corresponde a un determinado valor de Y
Para calcular el valor de ao, a1, b0, b1, se aplica el método de los cuadrados minimos

COEFICIENTE DE CORRELACION

Confiabilidad de valores estimados

Depende de la relación de las variables
Para cuantificar cuan relacionadas están las variables y con qué intensidad las rectas
de regresión calculadas explican esa relación hay que calcular el coeficiente de
correlación (r)

Siempre el signo se a1 debe ser igual al de b1. Si ambos son positivos tomo el signo +
de la raíz. Por lo que r es +
Por lo que no ha de existir correlación directa
Si ambos son negativos, r será – y habrá correlación invertida

- Cuando r vale -1 se dice que existe correlación lineal inversa perfecta (ambas
rectas van a coincidir)
- Si r vale 1, se dice que existe correlación lineal directa y perfecta (ambas rectas
van a coincidir)
 - Cuando r vale 0, no existe correlación lineal, por lo que puede existir otro tipo de
correlación

A) Las rectas de regresión calculadas explican mal la relación entre las variables,
por lo que cando a partir de ellos se estime. No será confiable la misma
B) Las rectas de regresión calculadas explican débilmente la relación entre las
variables
C) Las rectas de regresión calculadas explican bien la relación entre las variabes
D) Muy bien

Números índices:

Debido a la variabilidad en el tiempo del poder adquisitivo del dinero es necesario

incrementar algunos valores y decrementar otros para poder hacer comparaciones
significativas.
Ejemplo:
Para comparar el costo relativo de la educación profesional, hoy en día con su costo de
1940, es necesario determinar el poder adquisitivo de la moneda de hoy comparándolo
con su poder en 1940, es para tal propósito que se calcula los números índices y son
utilizados por hombres de negocios y economistas para poder hacer comparaciones
sobre el tiempo.
Su uso no se limita únicamente a las comparaciones monetarias, pero en el caso de los
negocios, las aplicaciones de los números índices, distintas de las monetarias, son
poco comunes.
Como definición, un número índice es un cociente o promedio de cocientes
expresados como porcentaje. Involucra dos o más períodos de tiempo, uno de los
cuales es el período base que sirve como punto de comparación mientras que los
valores en otros períodos se usan para mostrar el cambio porcentual en valor con
respecto al valor estándar del período base.

 Índices de Valor: I(v) (siempre ponderados)

 Índices de Precios: I(p) (puede ser simple o ponderados)
 Índices de Cantidades: I(q) (puede ser simple o ponderados)

Cuando se trata de un índice simple se toma precio de cada ítem, y si se trata de un

índice ponderado a cada ítem se le hace incidir la cantidad interesada de ese mismo
ítem.
En cuanto a los problemas que se plantean en la construcción de los números índices,
se encuentran: elección de los ítems, formas de ponderación, modo de promedio de
valores, y elección del período base.

Índices de Precios Relativos:

A) Laspeyne: este índice utiliza como factor de ponderación el período base, ya que la
cantidad del año base no cambia de un año a otro, entonces se pueden hacer
comparaciones objetivas del cambio en precios y en el poder adquisitivo en el
tiempo. Admite error por defecto porque se mantiene la cantidad del período base.

B) Paasche: usa las cantidades del año de referencia en lugar del base, ya que tiende
a restarle peso a los bienes cuyo precio ha aumentado.

C) Fisher: promedia Laspeyne con Paasche

Atributos:

Al estudiar una propiedad sobre un universo o un subconjunto, puede ocurrir que esa
propiedad sea cuantificable, medible o no cuantificable.
Podemos clasificar a las variables en cualitativas y cuantitativas.
Nos referimos a aquellas variables que no se comportan como magnitudes sino como
cualidades (colores, edades, sexo).
Respecto de un atributo, hay dos posibilidades: o se lo posee o no. Siempre que existe
un atributo, existe su negación o no presencia. Para la notación se utilizan las
siguientes letras:

A es un atributo, es decir, el número de entes que poseen ese atributo.

Esquemáticamente, los resultados sobre la cantidad de elementos que poseen ciertos

atributos se representan en matrices o tablas. Así, se tienen los atributos A y B
estudiados sobre un universo de tamaño N y resulta

B β T
A (B;A) (β;A) (A)
α (α;B) (α;β) (α)
T (B) (β) N

El objetivo es determinar si son o no independientes los atributos. En caso de que no,

puede ocurrir una asociación directa o inversa. Para cuantificar la intensidad de la
asociación se calcula Q(A;B) con un campo de -1 a 1

 Dos atributos son independientes cuando la presencia de uno no influye en la

del otro.
 Hablamos de asociación cuando la presencia de uno implica la presencia de otro
 Dos atributos están disociados cuando nunca pueden presentarse ambos,
simultáneamente en una población.

PROBABILIDADES

Dentro de probabilidades el suceso puede ser de tipo determinístico donde existe una
relación de causalidad donde iguales causas producen iguales efectos, mientras que
en el suceso aleatorio, las mismas causas no producen necesariamente los mismos
efectos.
Los sucesos que son objeto de cálculo de la probabilidad son los sucesos aleatorios
Podríamos decir que la probabilidad es la medida de confianza en su ocurrencia de un
suceso aleatorio

Son sucesos simples A y B ya que están definidos por una sola conclusión; dados dos
o más sucesos simples, a partir de ellos puede generarse otros sucesos de mayor
complejidad, cuya naturaleza depende del comentario con que se vinculan.
Diferentes tipos de sucesos:

Suceso total:
Se satisface cuando ocurre A, ocurre B, separado o conjuntamente

Suceso compuesto:
Este suceso se satisface cuando A ocurre y B también pero simultáneamente

Suceso condicionante
Se satisface cuando ocurre A habiaendo ocurrido B previamente

Suceso mutualmente excluyente

Este suceso se satisface cuando la ocurrencia de uno de ellos implica la no ocurrencia
del otro

Sucesos independientes
Se satisface cuando la ocurrencia o no ocurrencia de ellos no incide en la ocurrencia o
no ocurrencia del otro

Sucesos complementarios
son complementarios aquellos sucesos donde su unión se da como resultado todo el
espacio muestreal (se juntan)

VARIABLE ALEATORIA
Dentro de la variable aleatoria tenemos dos casos el discreto y el continuo

Caso discreto:
Condiciones
1- Sea x una variable discreta…
2- Tal que X toma un numero finito de valores (conocidos o no) si es conocido el
valor que toma X se lo dennota con la letra m, se dice que esa m es el orden de
variabilidad
M= X1, X2….Xm
Discreta y continuas son distintas ya que la discreta no admite valores
intermedios y la discreta si
3- Existe una función llamada función de probabilidad que permite calcular la
probabilidad que le corresponde a cada valor de variable
4- Debe verificarse que la sumatoria de todos las probabilidades sea = 1

Cuando se verifican todas estas condiciones se dice que X es una variable aleatoria
discreta para pasar de discreta a aleatoria enuncio las 4 condiciones.

Caso continuo
Condiciones
1- Sea X una variable continua …
2- Tal que X está definida en un campo de variabilidad (A;B) comprendido entre a y
b
3- Existe una función llamada función de densidad tal que, su integral definida en el
campo de variabilidad es =1
Cuando se dan todas estas condiciones se dice que es una variable aleatoria continua

MODELOS PROBABILISTICOS O DISTRIBUCIONES PROBABILISTICAS

Son funciones que bajo ciertas condiciones permitirán calcular probabilidades
puntuales en el caso de variables aleatorias discretas y probabilidades de intervalos en
el caso de continuas

BINOMIAL
Condicion que debe presentar un problema para aplicar el modelo binomial, para
calcular la probabilidad que digo

1- Que el suceso sea dicotómico

Que admite dos resultados posibles, el éxito o el fracaso
Es mutuamente excluyente, complementario e independiente (sucesos)
E2XITO + FRACASO =1
2- El numero de ensayos dea finito y conocido
3- Se define la variable aleatoria X: muchas probabilidades de éxitos en los m
ensayos, por lo que la variable aleatoria toma valores de 0 a m
4- Que la probabilidad de éxito (p) esa conocida y constante para todo ensayo
P: probabilidad de éxito
q: probabilidad de fracaso
p+q=1
Cuando se dan estas conducuones se dice que la vartiable aleatoria sigue una
distribución binomial de parámetros m; p

POISSON
Condiciones
1- Se define un suceso dicotómico (éxito y fracaso)
2- Se conoce a X como el numero de éxitos en un cierto tiempo o espacio DATO.
EJ: cada 10 min, 30 km
3- Se define la variable aleatoria X como el numero posibles de éxitos en un tiempo
o espacio que no necesariamente coincide con el tiempo o espacio que se
tienen como dato
4- Se define lambda como el valor proporcional de éxitos en el tiempo o
espacio pedido
Aclaración: cuando el tiempo o espacio dato no coincide con el tie3mpo o
espacio dato pedido se deberá calcular lambda
Cuando se dan las 4 condiuciones la variable sigue una distribución de POISSON de
parámetro lambda

NORMAL

Características
1- Tiene forma de campana gráficamente
2- Tiene un solo minimo es unimodal
3- El eje trazado X es el máximo es el eje de simetría (de la función)
4- Coincide modo, media y mediana en U
5- Tiene dos puntos de inflexión
a- punto de inflexión izquierdo es u-g. Media – desvio estandar
b-punto de inflexión derecha u+g. Media + desvio estándar
6- El área barrida bajo la curva es igual a 1. De cada lado o mitad vale 0,5
7- Es una función continua la cual esta determinada por todas los reales
8- Los parámetros que definen o determinan a la normal son u y G
9- Aplico el modelo normal en dos situaciónes distintas
a. cuando me lo dice el problema
b. cuando exista algún teorema que indica que esa variable sigue determinado
modelo
ESTANDARIZACION DE LA VARIABLE
Para usar una única tabla que sirva para calcular las probabilidades de una distribución
normal para cualquier valor de media y de desvio estándar hay que realizar un cambio
de variable

Esa formula me sirve para calcular el valor de Z que le corresponde a cualquier valor
de X

DISTRIBUCION LIMITES
Una distribución límite de otra dada es aquella que bajo ciertas conduiciones permitirá
obtener un valor de probabilidad muy próximo al que se hubiese obtenido aplicando el
modelo correspondiente