Este trabajo tiene por objetivo dar a conocer los diferentes componentes con los que cuenta las distribuciones de la probabilidad, y también tiene diferentes figuras para dar a entender el tema, de igual manera ejemplo, etc.
RETO MES DE ABRIL .............................docx
Estadistica inferencial. Funciones y distribuciones de probabilidad.
1. Universidad Autónoma del Carmen
Facultad de ciencias educativas
Lic. En educación
Estadística inferencial
Tema: Funciones y distribución de probabilidad.
Maestra: Magdalena Bandola Garcés
Integrantes: Joani Jáuregui Sánchez
María Inés Pérez Pérez
2. Definición de estadística
Ciencia que se ocupa de recoger, clasificar,
representar y resumir los datos de muestras,
y de hacer inferencias ( extraer conclusiones)
acerca de las poblaciones de las que estas
proceden.
3. Diferencias entre estadística descriptiva e
inferencial
ESTADÍSTICA
INFERENCIAL
ESTADÍSTICA
DESCRIPTIVA
Se ocupa de resumir
datos recopilados en
eventos pasados
Se ocupa de estudiar lo que ocurrirá lo que
sucederá con eventos futuros
Estimar utilizando datos de la muestra para
llegar a la conclusiones acerca de la
población y tomar decisiones.
4. Dado un experimento aleatorio y su correspondiente
espacio muestral se denomina variable aleatorio a la
función que asigna a cada elemento del espacio
muestral un numero real.
Ejemplo: si se define la variable
aleatoria x= numero de cara obtenidas
al arrojar dos monedas
V
a
r
i
a
b
l
e
A
l
e
a
t
o
r
i
a
(V.A)
DISCRETAS:
Cuando puede tomar un
número finito o infinito
numerable de valores.
CONTINUAS:
Cuando puede tomar un número infinito
no numerable de valores.
Alternativamente, se puede definir como
aquella variable que puede tomar
cualquier valor entro e un intervalo de
números reales.
5. Distribución de
probabilidad
La distribución de probabilidad es un listado de las
probabilidades de todos los posibles resultados que
podrían obtenerse si el experimento se llevara a cabo.
Variable aleatoria discreta (x). Se le denomina
variable porque puede tomar diferentes
valores, aleatoria, porque el valor tomado es
totalmente al azar y discreta porque solo
puede tomar valores enteros y un número
finito de ellos.
Variable aleatoria continua (x). Se le denomina
variable porque puede tomar diferentes valores,
aleatoria, porque los valores que toma son
totalmente al azar y continua porque puede
tomar tanto valores enteros como fraccionarios
y un número infinito de ellos.
uniforme binominal poisoon hipergeométrica
normal expotencial
6. Distribución Normal
Propiedades de la distribución normal
• Es una distribución simétrica.
• Es asintótica, es decir sus extremos nunca
tocan el eje horizontal, cuyos valores tienden
a infinito.
• En el centro de la curva se encuentran la
media, la mediana y la moda.
• El área total bajo la curva es igual a 1.
• La desviación estándar indica que tan
aplanada será la curva.
Su importancia se debe fundamentalmente a la
frecuencia con la que distintas variables
asociadas a fenómenos naturales y cotidianos
siguen aproximadamente esta distribución.
7. Varianza:
Se refiere a la cantidad que varían los valores entre si, en ocasiones
también se aplicar el termino dispersión.
La varianza de un conjunto de valores es una medida de variación
igual al cuadrado de la desviación estándar.
8. Desviación estándar.
La desviación estándar es un índice numérico de la dispersión de un conjunto de
datos (o población). Mientras mayor es la desviación estándar, mayor es la
dispersión de la población. La desviación estándar es un promedio de las
desviaciones individuales de cada observación con respecto a la media de una
distribución. Así, la desviación estándar mide el grado de dispersión o
variabilidad.
La desviación estándar (σ) mide cuánto se separan los datos.
La fórmula es fácil: es la raíz cuadrada de la varianza.
11. Distribución normal estandarizada o
tipificada.
La distribución normal no es sólo un tipo de distribución, comprende una “familia”
de distribuciones, que pueden tener una µ (media) o una σ (desviación estándar)
distinta y ello motiva que puedan existir un variado número de distribuciones
normales.
Y para ello sólo utilizamos un “miembro” de la familia de distribuciones normales:
aquella cuya µ = 0 (media) o una σ= 1. Esta distribución se conoce como
Distribución Normal Estándar. De esta manera todas las distribuciones pueden
convertirse a la estándar restando la media de cada observación y dividiendo por la
desviación estándar.
Cualquier valor real puede ser transformado en su
equivalente medido en términos de su desviación
estándar y con esto se genera una escala que se
conoce como escala z, que se calcula aplicando la
siguiente fórmula: