SlideShare una empresa de Scribd logo
1 de 8
Marta Moriana Arias
Virgen del Rocío A
Subgrupo 15
TAREA 7
SEMINARIO ESTADISTICA-TIC
EJERCICIO ESCALA DE AUTOESTIMA:
En una muestra de 500 mujeres que reciben asistencia queremos saber cómo
la pobreza afecta a su autoestima. Medimos la autoestima con una escala de
actitud de 20 puntos (variable continua). Suponemos que la distribución sigue
una curva normal: Media autoestima: 8; Desviación típica: 2  N (8,2)
¿Cuál es la probabilidad de que una destinataria de asistencia seleccionada al
azar obtenga una puntuación de 10,5 o menos en la escala de autoestima?
N (8,2)
Primero vamos a trasladar nuestra curva N (8,2) a la curva normal tipificada N
(0,1) que tiene ya los valores calculados, de esta forma podemos saber qué
área de la curva normal tipificada corresponde a nuestra curva normal. Para
ello debemos tipificar la variable: Zx: valor tipificado
x: valor observado o valor a tipificar
𝑥: media de nuestra distribución
Sx: desviación típica de nuestra distribución
Zx = (10,5 – 8)/2 = 1,25
A continuación nos vamos a las tablas de la curva normal tipificada para
calcular qué probabilidad le corresponde al valor 10,5 de nuestra variable.
Tabla B:
1º Buscamos nuestro valor tipificado 1,25 en la columna A
2º Buscamos la probabilidad que le corresponde en la columna C: 0,1056
Sabiendo que el área bajo la curva normal tipificada tiene una probabilidad P = 1
Y sabiendo que el área que nos muestra la columna C tiene una probabilidad
P (0 ≤ Z < + ∞) = 0,1056 (siendo 0 = media de la curva normal tipificada y Z = 1,25)
Podemos calcular la probabilidad que nos piden:
P (Z ≤ 1,25) = 1 – 0,1056 = 0,8944
área bajo la curva
normal tipificada
área que nos muestra
la columna C
P (Z ≤ 1,25) = 0,8944
Tabla I B:
Sabiendo que Z = 1,25
1º Buscamos en Z filas la unidad y el primer decimal (1,2)
2º Buscamos en Z columnas el segundo decimal (0,05)
Y observamos que la probabilidad que nos piden es: P (Z ≤ 1,25) = 0,89435
Finalmente destipificamos la variable:
P (Z ≤ 1,25) = 0,89435  P (x ≤ 10,5) = 0,89435
Solución: la probabilidad de que una destinataria de asistencia seleccionada
al azar obtenga una puntuación de 10,5 o menos en la escala de autoestima
es de 0,89435.

Más contenido relacionado

La actualidad más candente

Bernoulli ejemplos
Bernoulli ejemplosBernoulli ejemplos
Bernoulli ejemplos
karemlucero
 
3.2 Variables Aleatorias Discretas
3.2 Variables Aleatorias Discretas3.2 Variables Aleatorias Discretas
3.2 Variables Aleatorias Discretas
Consuelo Valle
 
Ejercicios bernoulli binomial
Ejercicios bernoulli binomialEjercicios bernoulli binomial
Ejercicios bernoulli binomial
Carol Ramos
 
Eval
EvalEval
Eval
uneve
 
Ejemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulliEjemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulli
Carol Ramos
 
Ejercicio Resuelto Matematica
Ejercicio Resuelto MatematicaEjercicio Resuelto Matematica
Ejercicio Resuelto Matematica
Fabian Costa
 
Aplicación ecuaciones diferenciales lineales
Aplicación ecuaciones diferenciales linealesAplicación ecuaciones diferenciales lineales
Aplicación ecuaciones diferenciales lineales
Mayi Punk
 

La actualidad más candente (18)

Bernoulli ejemplos
Bernoulli ejemplosBernoulli ejemplos
Bernoulli ejemplos
 
3.2 Variables Aleatorias Discretas
3.2 Variables Aleatorias Discretas3.2 Variables Aleatorias Discretas
3.2 Variables Aleatorias Discretas
 
Ejercicios bernoulli binomial
Ejercicios bernoulli binomialEjercicios bernoulli binomial
Ejercicios bernoulli binomial
 
Investigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltosInvestigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltos
 
Eval
EvalEval
Eval
 
E.D. Variación de parámetros
E.D. Variación de parámetrosE.D. Variación de parámetros
E.D. Variación de parámetros
 
Resultados de Guía de ejercicios
Resultados de Guía de ejerciciosResultados de Guía de ejercicios
Resultados de Guía de ejercicios
 
Explicacion Ejercicios Distribucion Normal
Explicacion Ejercicios Distribucion NormalExplicacion Ejercicios Distribucion Normal
Explicacion Ejercicios Distribucion Normal
 
Ejemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulliEjemplos de ejercicios bernoulli
Ejemplos de ejercicios bernoulli
 
Función Cuadrática
Función CuadráticaFunción Cuadrática
Función Cuadrática
 
Ecuación de Bernoulli
Ecuación de BernoulliEcuación de Bernoulli
Ecuación de Bernoulli
 
Variacion De Parametros
Variacion De ParametrosVariacion De Parametros
Variacion De Parametros
 
Ejercicio Resuelto Matematica
Ejercicio Resuelto MatematicaEjercicio Resuelto Matematica
Ejercicio Resuelto Matematica
 
Aplicación ecuaciones diferenciales lineales
Aplicación ecuaciones diferenciales linealesAplicación ecuaciones diferenciales lineales
Aplicación ecuaciones diferenciales lineales
 
Introducción a las Ecuaciones Diferenciales
Introducción a las Ecuaciones DiferencialesIntroducción a las Ecuaciones Diferenciales
Introducción a las Ecuaciones Diferenciales
 
Distribucion de bernoulli ejercicios
Distribucion de bernoulli  ejerciciosDistribucion de bernoulli  ejercicios
Distribucion de bernoulli ejercicios
 
Inecuaciones irracionales
Inecuaciones irracionalesInecuaciones irracionales
Inecuaciones irracionales
 
Ecuaciones Lineales
Ecuaciones LinealesEcuaciones Lineales
Ecuaciones Lineales
 

Destacado

Controles matemática adiciones y sustracciones tabla valor posicional primero
Controles  matemática adiciones y sustracciones tabla valor posicional primeroControles  matemática adiciones y sustracciones tabla valor posicional primero
Controles matemática adiciones y sustracciones tabla valor posicional primero
Kizzy Arias
 
Curva de la indiferencia
Curva de la indiferencia Curva de la indiferencia
Curva de la indiferencia
Jose Rodriguez
 
S5 la-curva-normal
S5 la-curva-normalS5 la-curva-normal
S5 la-curva-normal
USET
 
guías matemática adiciones y sustracciones tabla valor posicional primero
guías  matemática adiciones y sustracciones tabla valor posicional primeroguías  matemática adiciones y sustracciones tabla valor posicional primero
guías matemática adiciones y sustracciones tabla valor posicional primero
Kizzy Arias
 
Instrumentos de recoleccion de informacion en la investigacion
Instrumentos de recoleccion de informacion en la investigacionInstrumentos de recoleccion de informacion en la investigacion
Instrumentos de recoleccion de informacion en la investigacion
Andrey Martinez Pardo
 
Instrumentos para-la-recolección-de-datos
Instrumentos para-la-recolección-de-datosInstrumentos para-la-recolección-de-datos
Instrumentos para-la-recolección-de-datos
Rafael Yépez
 
Fuentes y tecnicas de recoleccion de informacion
Fuentes y tecnicas de recoleccion de informacionFuentes y tecnicas de recoleccion de informacion
Fuentes y tecnicas de recoleccion de informacion
GIOVANNY CASTRO MANJARREZ
 
Instrumentos para recolectar informacion
Instrumentos para recolectar informacionInstrumentos para recolectar informacion
Instrumentos para recolectar informacion
Liliana Bv
 

Destacado (19)

Controles matemática adiciones y sustracciones tabla valor posicional primero
Controles  matemática adiciones y sustracciones tabla valor posicional primeroControles  matemática adiciones y sustracciones tabla valor posicional primero
Controles matemática adiciones y sustracciones tabla valor posicional primero
 
Curva de la indiferencia
Curva de la indiferencia Curva de la indiferencia
Curva de la indiferencia
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Teoria del consumidor
Teoria del consumidorTeoria del consumidor
Teoria del consumidor
 
S5 la-curva-normal
S5 la-curva-normalS5 la-curva-normal
S5 la-curva-normal
 
instrumentos de medicion
instrumentos de medicioninstrumentos de medicion
instrumentos de medicion
 
guías matemática adiciones y sustracciones tabla valor posicional primero
guías  matemática adiciones y sustracciones tabla valor posicional primeroguías  matemática adiciones y sustracciones tabla valor posicional primero
guías matemática adiciones y sustracciones tabla valor posicional primero
 
Instrumentos de medición
Instrumentos de mediciónInstrumentos de medición
Instrumentos de medición
 
Metodo recoleccion de datos
Metodo recoleccion de datosMetodo recoleccion de datos
Metodo recoleccion de datos
 
Instrumentos de recoleccion de informacion en la investigacion
Instrumentos de recoleccion de informacion en la investigacionInstrumentos de recoleccion de informacion en la investigacion
Instrumentos de recoleccion de informacion en la investigacion
 
Técnicas e instrumentos para la recolección de información en la investigació...
Técnicas e instrumentos para la recolección de información en la investigació...Técnicas e instrumentos para la recolección de información en la investigació...
Técnicas e instrumentos para la recolección de información en la investigació...
 
Técnicas e instrumentos de recolección de información
Técnicas e instrumentos de recolección de informaciónTécnicas e instrumentos de recolección de información
Técnicas e instrumentos de recolección de información
 
Instrumentos para-la-recolección-de-datos
Instrumentos para-la-recolección-de-datosInstrumentos para-la-recolección-de-datos
Instrumentos para-la-recolección-de-datos
 
DISEÑO DE INSTRUMENTOS DE INVESTIGACIÓN
DISEÑO DE INSTRUMENTOS DE INVESTIGACIÓNDISEÑO DE INSTRUMENTOS DE INVESTIGACIÓN
DISEÑO DE INSTRUMENTOS DE INVESTIGACIÓN
 
TÉCNICAS PARA LA RECOLECCIÓN DE INFORMACIÓN
TÉCNICAS PARA LA RECOLECCIÓN DE INFORMACIÓNTÉCNICAS PARA LA RECOLECCIÓN DE INFORMACIÓN
TÉCNICAS PARA LA RECOLECCIÓN DE INFORMACIÓN
 
Fuentes y tecnicas de recoleccion de informacion
Fuentes y tecnicas de recoleccion de informacionFuentes y tecnicas de recoleccion de informacion
Fuentes y tecnicas de recoleccion de informacion
 
Técnicas e instrumentos
Técnicas e instrumentosTécnicas e instrumentos
Técnicas e instrumentos
 
Instrumentos para recolectar informacion
Instrumentos para recolectar informacionInstrumentos para recolectar informacion
Instrumentos para recolectar informacion
 
Técnicas e Instrumentos de Recolección de Datos
Técnicas e Instrumentos de Recolección de DatosTécnicas e Instrumentos de Recolección de Datos
Técnicas e Instrumentos de Recolección de Datos
 

Similar a Tarea 7

Ejercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti csEjercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti cs
solemo
 
Ejercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti csEjercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti cs
amandanugra
 
Ejercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti csEjercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti cs
amandanugra
 
Ejercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti csEjercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti cs
amandanugra
 
Nuevo presentación de microsoft power point (2)
Nuevo presentación de microsoft power point (2)Nuevo presentación de microsoft power point (2)
Nuevo presentación de microsoft power point (2)
noramariam
 
Actividad seminario 8
Actividad seminario 8Actividad seminario 8
Actividad seminario 8
noeliatoro95
 

Similar a Tarea 7 (20)

Seminario 7
Seminario 7Seminario 7
Seminario 7
 
Ejercicio de distribución normal
Ejercicio de distribución normalEjercicio de distribución normal
Ejercicio de distribución normal
 
Distribución Normal
Distribución NormalDistribución Normal
Distribución Normal
 
Presentación2
Presentación2Presentación2
Presentación2
 
Ejercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti csEjercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti cs
 
Ejercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti csEjercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti cs
 
Ejercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti csEjercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti cs
 
Ejercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti csEjercicio seminario 7 estadística y ti cs
Ejercicio seminario 7 estadística y ti cs
 
Inferencia estadística. Estimación por intervalos.
Inferencia estadística. Estimación por intervalos.Inferencia estadística. Estimación por intervalos.
Inferencia estadística. Estimación por intervalos.
 
Normal 1
Normal 1Normal 1
Normal 1
 
Ejemplo distribucion normal
Ejemplo distribucion normalEjemplo distribucion normal
Ejemplo distribucion normal
 
Aproximación
AproximaciónAproximación
Aproximación
 
Nuevo presentación de microsoft power point (2)
Nuevo presentación de microsoft power point (2)Nuevo presentación de microsoft power point (2)
Nuevo presentación de microsoft power point (2)
 
Tarea del seminario 8
Tarea del seminario 8Tarea del seminario 8
Tarea del seminario 8
 
lfstat3e_ppt_05_rev.ppt
lfstat3e_ppt_05_rev.pptlfstat3e_ppt_05_rev.ppt
lfstat3e_ppt_05_rev.ppt
 
Seminario 8 de estadísticas
Seminario 8 de estadísticasSeminario 8 de estadísticas
Seminario 8 de estadísticas
 
Tarea seminario 8
Tarea seminario 8Tarea seminario 8
Tarea seminario 8
 
Trabajo blog
Trabajo blogTrabajo blog
Trabajo blog
 
`1 ejmplo de cada uno
`1 ejmplo de cada uno`1 ejmplo de cada uno
`1 ejmplo de cada uno
 
Actividad seminario 8
Actividad seminario 8Actividad seminario 8
Actividad seminario 8
 

Tarea 7

  • 1. Marta Moriana Arias Virgen del Rocío A Subgrupo 15 TAREA 7 SEMINARIO ESTADISTICA-TIC
  • 2. EJERCICIO ESCALA DE AUTOESTIMA: En una muestra de 500 mujeres que reciben asistencia queremos saber cómo la pobreza afecta a su autoestima. Medimos la autoestima con una escala de actitud de 20 puntos (variable continua). Suponemos que la distribución sigue una curva normal: Media autoestima: 8; Desviación típica: 2  N (8,2)
  • 3. ¿Cuál es la probabilidad de que una destinataria de asistencia seleccionada al azar obtenga una puntuación de 10,5 o menos en la escala de autoestima? N (8,2)
  • 4. Primero vamos a trasladar nuestra curva N (8,2) a la curva normal tipificada N (0,1) que tiene ya los valores calculados, de esta forma podemos saber qué área de la curva normal tipificada corresponde a nuestra curva normal. Para ello debemos tipificar la variable: Zx: valor tipificado x: valor observado o valor a tipificar 𝑥: media de nuestra distribución Sx: desviación típica de nuestra distribución Zx = (10,5 – 8)/2 = 1,25
  • 5. A continuación nos vamos a las tablas de la curva normal tipificada para calcular qué probabilidad le corresponde al valor 10,5 de nuestra variable. Tabla B: 1º Buscamos nuestro valor tipificado 1,25 en la columna A 2º Buscamos la probabilidad que le corresponde en la columna C: 0,1056
  • 6. Sabiendo que el área bajo la curva normal tipificada tiene una probabilidad P = 1 Y sabiendo que el área que nos muestra la columna C tiene una probabilidad P (0 ≤ Z < + ∞) = 0,1056 (siendo 0 = media de la curva normal tipificada y Z = 1,25) Podemos calcular la probabilidad que nos piden: P (Z ≤ 1,25) = 1 – 0,1056 = 0,8944 área bajo la curva normal tipificada área que nos muestra la columna C P (Z ≤ 1,25) = 0,8944
  • 7. Tabla I B: Sabiendo que Z = 1,25 1º Buscamos en Z filas la unidad y el primer decimal (1,2) 2º Buscamos en Z columnas el segundo decimal (0,05) Y observamos que la probabilidad que nos piden es: P (Z ≤ 1,25) = 0,89435
  • 8. Finalmente destipificamos la variable: P (Z ≤ 1,25) = 0,89435  P (x ≤ 10,5) = 0,89435 Solución: la probabilidad de que una destinataria de asistencia seleccionada al azar obtenga una puntuación de 10,5 o menos en la escala de autoestima es de 0,89435.