María Sánchez --20175466

HW01S01 (1 punto)

Distribuciones muestrales y nociones previas.

Defina

Muestra y tipos

Población y tipos

Variable aleatoria

Variable aleatoria discreta

Variable aleatoria continúa

Distribución normal

Distribución uniforme

Distribución normal estándar

Curva de densidad

Responda a los siguientes ejercicios

1. Defina las poblaciones adecuadas a partir de las cuales se seleccionaron las siguientes muestras:

a) Se llamó por teléfono a personas de 200 casas en la ciudad de Richmond y se les pidió
nombrar al candidato por el que votarían en la elección del presidente de la mesa directiva de la
escuela.

b). Se lanzó 100 veces una moneda y se registraron 34 cruces.

2. El tiempo, en minutos, que 10 pacientes esperan en un consultorio médico antes de recibir tratamiento
se registraron como sigue: 5, 11, 9, 5, 10, 15, 6, 10, 5 y 10. Trate los datos como una muestra aleatoria y
calcule:

a) el rango;
 b) la desviación estándar.

3. Los promedios de calificaciones de una muestra de 20 estudiantes universitarios del último año,
seleccionados al azar de una clase que se va a graduar, son los siguientes: Calcule la desviación estándar.

3.2 1.9 2.7 2.4 2.8 2.9 3.8 3.0 2.5 3.3 1.8 2.5 3.7 2.8 2.0 3.2 2.3 2.1 2.5 1.9

DESARROLLO.-

DEFINE:

1. En estadística, una muestra es un subconjunto de casos o individuos de una población. En

diversas aplicaciones interesa que una muestra sea, representativa y para ello debe escogerse una
técnica de muestra adecuada, que produzca una muestra aleatoria adecuada. También es un
subconjunto de la población, y para ser representativa, debe tener las mismas características de la
población. Se clasifican: Probabilística —> Contiene todos los elementos de la población que
tienen posibilidad formar parte. No probabilística—> Contiene los elementos que no tienen la
posibilidad de ser parte de la población.

Probabilístico: Tipos

° Aleatorio simple

° Sistemático

° Estratificado

° Conglomerados

No probabilístico: Tipos

° Por Cuotas

° Por Conveniencia

° Por bola de nieve

° Discrecional

2. La población estadística consiste en la recolección de un conjunto de elementos o sujetos que

gozan de características comunes, con el fin de estudiarlos y sacar conclusiones específicas para
determinar resultados. Se clasifican: Población finita—> Aquella población que está compuesta
 por un número pequeño de elementos, artículos o sujetos. Población infinita—> Aquella
población que está compuesta por un número grande de elementos. Población real —> Aquella
que se compone de un grupo de cosas existentes y meramente comprobables. Población
hipotética —> Aquella conformada por un grupo posible de determinadas cosas, pero difícil de
comprobar. Población aleatoria—> Aquella población que depende de las alteraciones de sus
cualidades, sin que exista una causa aparente. Población dependiente —> Aquella población que
depende de una causa determinada. Población polinomial —> Aquella población cuyas
características deben ser medidas y tomadas en cuenta.
3. Una variable aleatoria es una función que asigna un valor, usualmente numérico, al resultado de
un experimento aleatorio. Por ejemplo, los posibles resultados de tirar un dado dos veces: (1, 1),
(1, 2), etc. o un número real (p.e., la temperatura máxima medida a lo largo del día en una ciudad
concreta). Los valores posibles de una variable aleatoria pueden representar los posibles
resultados de un experimento aún no realizado, o los posibles valores de una cantidad cuyo valor
actualmente existente es incierto.
4. Una variable aleatoria discreta X está definida por los valores que toma y sus probabilidades,
las cuales deberán sumar 1. Es aquella que sólo puede tomar un número finito de valores dentro
de un intervalo. Por ejemplo, el número de componentes de una manada de lobos, puede ser 4 ó 5
ó 6 individuos pero nunca 5.75 ó 5.87. Otros ejemplos de variable discreta serían el número de
pollos de gorrión que llegan a volar del nido o el sexo de los componentes de un grupo familiar
de babuinos.
5. Una variable aleatoria continua es aquella que puede tomar cualquier valor (al menos
teóricamente) entre 2 fijados. Los valores de la variable (al menos teóricamente) no se repiten.
Una variable aleatoria X es continua si su función de distribución es una función continua.
6. En estadística y probabilidad se llama distribución normal, distribución de Gauss, distribución
gaussiana o distribución de Laplace-Gauss, a una de las distribuciones de probabilidad de variable
continua que con más frecuencia aparece en estadística y en la teoría de probabilidades. La
importancia de esta distribución radica en que permite modelar numerosos fenómenos naturales,
sociales y psicológicos.
7. La 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. También puede expresarse como el modelo probabilístico correspondiente a tomar
un número al azar dentro de un intervalo (a, b).
8. La distribución normal con media \mu = 0 y desviación típica \sigma = 1 se llama distribución
normal estándar, o tipificada, o reducida. La función de densidad de probabilidad (f.d.p) de la
distribución normal tipificada usualmente se denota por el símbolo {phi} y la función de
distribución (f.d) se denota por el símbolo {Phi}.