ESTADÍSTICA II

KEVIN ROJAS
BIENVENIDOS
ESTADÍSTICA II
 POLÍTICAS DEL CURSO

HERRAMIENTAS: JUEVES
33 % gestión formativa,
CEDIA – ZOOM 7H30 – 11H30
MOODLE 33 % gestión práctica y autónoma de los aprendizajes.
BIBLIOTECAS DIGITALES
34 % acreditación y validación de los aprendizajes.
USO OBLIGATORIO DE CÁMARAS
CORREO INSTITUCIONAL 2 exámenes
 PROGRAMACIÓN DE
ACTIVIDADES
GESTIÓN FORMATIVA

• Trabajo participativo en clase,

• Reportes de talleres y equipos

• colaborativos, Controles de
lectura,

• Exposición de casos y
situaciones.

23/11/2023
PROGRAMACIÓN DE ACTIVIDADES
Gestión práctica y autónoma de los aprendizajes.
• Exposiciones individuales y grupales,
• Demostración de uso directo de los acervos
bibliotecarios o en red,
• Trabajo de laboratorio, talleres,
• Ejercicios orales y escritos,
• Prácticas diversas, incluyendo la de los
laboratorios,
• Trabajos de campo,
• Trabajos individuales de lectura, análisis Uso
creativo y orientado de nuevas TICs
• Lectura crítica y análisis comparado de casos,
Asistencia y reporte de eventos académicos.
PROGRAMACIÓN DE
ACTIVIDADES
ACREDITACIÓN Y VALIDACIÓN:
• Exámenes orales,

• Exámenes escritos (teóricos

prácticos)
ESTADÍSTICA II
KEVIN ROJAS
 es una característica de una muestra o población de
VARIABLE datos que puede adoptar diferentes valores.

POBLACIÓN es el conjunto de elementos objeto de estudio.

es un subconjunto de la población y tiene que ser

MUESTRA representativa de la misma.

Variables aleatorias discretas y continuas.

Variables aleatorias discretas y continuas.

X=NÚMERO DE ÁGUILAS

0
Una variable aleatoria es
1 una función que asigna un
valor numérico, al resultado
2 de un experimento aleatorio
Variables aleatorias discretas y continuas.

X=NÚMERO DE ÁGUILAS

0
Una variable aleatoria es
1 una función que asigna un
valor numérico, al resultado
2 de un experimento aleatorio
 Variables aleatorias discretas y continuas.
Y= NÚMERO DE CAJEROS OCUPADOS

0 = y1

1 = y2

2 = y3

IZQUIERDA CENTRO DERECHA = y4

3

DY= S RY= NÚMEROS REALES

Una variable aleatoria es una función que asigna un valor
numérico, al resultado de un experimento aleatorio

P= Número de aprobados
Q= Número de personas con puntaje perfecto
R= ?
Una variable aleatoria discreta es aquella que puede
asumir un número contable de valores.

P= Número de aprobados
RP={0,1,2,3,4,5}
Una variable aleatoria discreta es aquella que puede
asumir un número contable de valores.

+ A= Número de dados
RA= {2,3,4,5,6,7,8,9,10,11,12}

+
Una variable aleatoria continua, es aquella que puede
asumir un número incontable de valores.

30kg 35,5667kg 45,8767kg 60,5678kg

T= Peso de las vacas de Cristhian

Rt={30, 30.1, 30.2, 30.3 …….35.5657, 35.5668……………………….60,5678Kg

 Error en la matrix

23/11/2023
 Variables aleatorias Variables aleatorias
discretas continuas
Una variable aleatoria discreta es aquella que puede asumir Una variable aleatoria continua, es aquella que puede
un número contable de valores. asumir un número incontable de valores.

Se relaciona con el número de elementos Se relaciona con la medición de las magnitudes como
longitud, masa, tiempo, velocidad, volumen, entre otras.
ESTADÍSTICA II
KEVIN ROJAS
 Variables aleatorias Variables aleatorias
discretas continuas
Una variable aleatoria discreta es aquella que puede asumir Una variable aleatoria continua, es aquella que puede
un número contable de valores. asumir un número incontable de valores.

Se relaciona con el número de elementos Se relaciona con la medición de las magnitudes como
longitud, masa, tiempo, velocidad, volumen, entre otras.

Una variable aleatoria es

una función que asigna un
valor numérico, al resultado
de un experimento aleatorio
C= Volumen de agua de una lavadora, en litros.

11,020922

0 50
24,656
Una psicóloga realiza un estudio y busca información del número
de hijos por familia en cierta ciudad.
Indica la variable aleatoria de interés, sus posibles valores e indica si
es discreta o continua.

H= número de hijos por familia.

Rh= {0,1,2,3,4,5,6…..15}
Se realiza un estudio que busca información de la estatura de los
jugadores de la NBA en toda su historia.
Indica la variable aleatoria de interés, sus posibles valores e indica si
es discreta o continua.

E= estatura de los jugadores de la NBA. (m)

Estatura(m)

1,597 1,78021 1,94521 2,167 2,3079

RE=1,597 ≤ e ≤ 2,3079
 Función de probabilidad de una variable aleatoria discreta
Una función de probabilidad de una variable aleatoria discreta es una
función que asigna probabilidades a los valores de la variable aleatoria.
Ejemplo: X= resultados de lanzar un dado. F(x): probabilidad

P(x=1)=P( )= 1/6

1 1/6 P(x=2)=P( )= 1/6

2 1/6
3 1/6
4 1/6
5 1/6
6 1/6
S: espacio muestral x: Valores de la variable aleatoria P(A)= número de casos favorables de A
número total de casos posibles
Ejercicios en clases
 Función de probabilidad de una variable aleatoria discreta
Una función de probabilidad de una variable aleatoria discreta es una
función que asigna probabilidades a los valores de la variable aleatoria.
Ejemplo: X= resultados de lanzar un dado. F(x): probabilidad

P(x=1)=P( )= 1/6

1 1/6 P(x=2)=P( )= 1/6

2 1/6
3 1/6
4 1/6
5 1/6
6 1/6
S: espacio muestral x: Valores de la variable aleatoria P(A)= número de casos favorables de A
número total de casos posibles
Una función de probabilidad de una variable aleatoria discreta es una
función que asigna probabilidades a los valores de la variable aleatoria.
Ejemplo: X= resultados de lanzar un dado.

1/6
1 1/6
2

Probabilidad
1/6
3 1/6
4 1/6
5 1/6
6 1/6

F(x): probabilidad
1 2 3 4 5 6
x: Valores de la variable aleatoria
resultados de lanzar un dado.
x 1 2 3 4 5 6
F(X) 1/6 1/6 1/6 1/6 1/6 1/6
 Una función de probabilidad de una variable aleatoria discreta es una
función que asigna probabilidades a los valores de la variable aleatoria.
x 1 2 3 4 5 6 Formula: f(x)=P(X=x)=
F(X) 1/6 1/6 1/6 1/6 1/6 1/6 f(1)=P(X=1)= 1/6
f(2)=P(X=2)= 1/6
f(3)=P(X=3)= 1/6
1/6 f(4)=P(X=4)= 1/6
f(5)=P(X=5)= 1/6
f(6)=P(X=6)= 1/6
Probabilidad

Formula: f(x)=1/6

1) La probabilidad de cada valor de la variable aleatoria debe estar entre 0 y 1.

2) La suma de las probabilidades asignadas a todos los valores de la variable aleatoria debe se

1 2 3 4 5 6
Ejercicio 5 f(x)=𝒙𝟐+5/50, para x=1,2,3,4
resultados de lanzar un dado.
Una función de probabilidad de una variable aleatoria discreta es una
función que asigna probabilidades a los valores de la variable aleatoria.

1) La probabilidad de cada valor de la variable aleatoria debe estar entre 0 y 1.

2) La suma de las probabilidades asignadas a todos los valores de la variable aleatoria debe ser 1.

F(x)

Ejercicio 5 f(x)=𝒙𝟐+5/50, para x=1,2,3,4

x 1 2 3 4

fX) (𝟏𝟐 +5)/50 (𝟐𝟐 +5)/50 (𝟑𝟐 +5)/50 (𝟒𝟐 +5)/50 1 2 3 4 x

F(x) 0,12 0,18 0,28 0,42

Una función de probabilidad de una variable aleatoria discreta es una
función que asigna probabilidades a los valores de la variable aleatoria.

1) La probabilidad de cada valor de la variable aleatoria debe estar entre 0 y 1.

2) La suma de las probabilidades asignadas a todos los valores de la variable aleatoria debe ser 1.

x
Ejercicio 5 f(x)=𝒙𝟐+5/50, para x=1,2,3,4 0,5
0,4
0,3
0,2
x 1 2 3 4 0,1
0
F(x) 0,12 0,18 0,28 0,42 1 2 3 4
x
ESTADÍSTICA II
KEVIN ROJAS
Una función de probabilidad de una variable aleatoria discreta es una función que asigna
probabilidades a los valores de la variable aleatoria.

Condiciones de la función de probabilidad

1) La probabilidad de cada valor de la variable aleatoria debe estar entre 0 y 1.

2) La suma de las probabilidades asignadas a todos los valores de la variable aleatoria debe ser 1.

Representación de una función de probabilidad

Formula:
f(x)=𝒙𝟐+5/50, para x=1,2,3,4

Tabla:
x 1 2 3 4

F(x)
Función de probabilidad de una variable aleatoria discreta
Una moneda tiene dos caras: pandas y renos. Encuentra la función de
probabilidad en forma de tabla de la variable aleatoria X, sabiendo que
x= el números de renos al lanzar la moneda dos veces
X F(x): probabilidad
x 0- 1- 2-
F(x) 1/4 2/4 1/4
0 1/4 1/4 + 2/4 + 1/4= 1

f(0)=P( x=0 )= 1/4

1 2/4 f(1)=P( x=1 )= 2/4
f(2)=P( x=2 )= 1/4

2 1/4
S: espacio muestral x: Valores de la variable aleatoria P(A)= número de casos favorables de A
número total de casos posibles
Función de distribución acumulativa de una variable aleatoria discreta
La función de probabilidad de una variable aleatoria discreta que estudiamos, nos indica la
probabilidad de que la variable aleatoria sea igual a un valor determinado. Pero la función de
distribución acumulativa especifica la probabilidad de que una variable aleatoria sea menor o igual
que un valor dado. A la función de distribución acumulativa la denominamos F(x) y su fórmula es la
siguiente:

Vamos a mencionar 2 propiedades importantes:

•Los valores de F(x) se encuentran siempre en este intervalo: 0 ≤ F(x) ≤ 1.
•F(x) no es una función decreciente.
Función de distribución acumulativa de una variable aleatoria discreta
Sea X el número de gatitos vendidos en un día en una veterinaria, encontrar la función de distribución acumulativa
de X a partir de su función de probabilidad.
1) = ∑f(K)
K≤x

{
x f(x) F(X) 0; X < 0
F(X)= 0,5; 1≤ x < 2
0 0,5 0,8; 2≤ x < 3
1 0,3 1; ≥ 3
2 0,2
∑
F(X)= P(X≤x)
F(0)= P(X≤0)= f(0) = 0,5
F(1)= P(X≤1)= P(X= 0 o 1) = f(0) + f(1) = 0,5 + 0,3 =0,8
F(2)= P(X≤2)= P(X= 0, 1 o 2) = f(0) + f(1) +f(2)= 0,5 + 0,3 +0,2= 1
Función de distribución acumulativa de una variable aleatoria discreta
Una tienda vende discos duros de 1 TB, 2 TB y 3 TB de capacidad. Encontrar la función de distribución de
acumulativa de X, sabiendo que X = la capacidad de memoria en un disco duro comprado:

x f(x) F(X)
1 0,5 0,5
2 0,3 0,8
3 0,2 1
1)
FX
F(1)= P(X≤1)= f(1) = 0,5 1,4
1,2
F(2)= P(X≤2)= P(X= 1 o 2) = f(1) + f(2) = 0,5 + 0,3 =0,8 1
0,8
F(3)= P(X≤3)= P(X= 1, 2 o 3) = f(1) + f(2) +f(3)= 0,5 + 0,3 +0,2= 1 0,6
0,4
0,2
0
1 2 3
FX
Función de distribución acumulativa de una variable aleatoria discreta
Una tienda vende discos duros de 1 TB, 2 TB y 3 TB de capacidad. Encontrar la función de distribución de
acumulativa de X, sabiendo que X = la capacidad de memoria en un disco duro comprado:

A continuación, elaboramos la gráfica de x vs F(x):

F(1)= P(X≤1)= f(1) = 0,5

F(2)= P(X≤2)= P(X= 1 o 2) = f(1) + f(2) = 0,5 + 0,3 =0,8
F(3)= P(X≤3)= P(X= 1, 2 o 3) = f(1) + f(2) +f(3)= 0,5 + 0,3 +0,2= 1

x f(x) F(X)
1 0,5 0,5
2 0,3 0,8
3 0,2 1
Función de distribución acumulativa de una variable aleatoria discreta
Una tienda vende discos duros de 1 TB, 2 TB y 3 TB de capacidad. Encontrar la función de distribución de
acumulativa de X, sabiendo que X = la capacidad de memoria en un disco duro comprado:

En la gráfica, colocamos líneas continuas entre los valores, partiendo desde e

F(1)= P(X≤1)= f(1) = 0,5 lado izquierdo:

F(2)= P(X≤2)= P(X= 1 o 2) = f(1) + f(2) = 0,5 + 0,3 =0,8

F(3)= P(X≤3)= P(X= 1, 2 o 3) = f(1) + f(2) +f(3)= 0,5 + 0,3 +0,2= 1

x f(x) F(X)
1 0,5 0,5
2 0,3 0,8
3 0,2 1

{
0; X≤1
F(X)= 0,5; 1≤ x < 2
0,8; 2≤ x < 3
1≥3
ESTADÍSTICA II
KEVIN ROJAS
Una variable aleatoria es el número de veces que ocurre un
evento durante un intervalo definido.
El intervalo puede ser tiempo, distancia, área, volumen o alguna
unidad similar.
X = número de veces que ocurre un evento durante un intervalo definido

X = número de estudiantes que se inscriben a la UG durante el mes de

Enero.
Una variable aleatoria es el número de veces que ocurre un
evento durante un intervalo definido.
El intervalo puede ser tiempo, distancia, área, volumen o alguna
unidad similar.
X = número de veces que ocurre un evento durante un intervalo definido

X = número de autos que llegan a un taller en horas.

Una variable aleatoria es el número de veces que ocurre un
evento durante un intervalo definido.
El intervalo puede ser tiempo, distancia, área, volumen o alguna
unidad similar.
X = número de veces que ocurre un evento durante un intervalo definido

X = número de bacterias presentes en un litro de agua

Una variable aleatoria es el número de veces que ocurre un
evento durante un intervalo definido.
El intervalo puede ser tiempo, distancia, área, volumen o alguna
unidad similar.
i) X = número de veces que ocurre un evento durante un intervalo definido
ii) la probabilidad de ocurrencia es la misma para cualesquiera 2 intervalos de igual longitud.

μ μ= 4
X = número de autos que llegan a un taller en horas.
Una variable aleatoria es el número de veces que ocurre un
evento durante un intervalo definido.
El intervalo puede ser tiempo, distancia, área, volumen o alguna
unidad similar.
i) X = número de veces que ocurre un evento durante un intervalo definido
ii) la probabilidad de ocurrencia es la misma para cualesquiera 2 intervalos de igual longitud.

X = número de autos que llegan a una gasolinera en horas

iii) la ocurrencia o no ocurrencia en cualquier intervalo es independiente de la ocurrencia o no ocurrencia en
cualquier otro intervalo.

iv) dos eventos no pueden ocurrir exactamente al mismo tiempo.

 El taller de Keysi recibe un promedio de μ= 4 clientes al día.
Conociendo que el número de pacientes que llega sigue una
distribución de Poisson, calcular:
X = Calcular la probabilidad que lleguen 3 clientes en un día.
𝑒 − μ ∗μ𝑥
𝑥 = 𝑛° 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑙𝑙𝑒𝑔𝑎𝑛 𝑎𝑙 𝑡𝑎𝑙𝑙𝑒𝑟 𝑑𝑒 𝐾𝑎𝑦𝑠𝑖𝑒 𝑓 𝑥 = 𝑃(𝑋 = 𝑥) = 𝑥!
en un día

𝑥 ~ 𝑃𝑜𝑖𝑠𝑠𝑜𝑛(4) 𝑒 −4 ∗ 43
𝑓 3 = 𝑃(𝑋 = 3) = 3!

μ= 4 𝑒 −4 ∗ 43
𝑓 3 = 𝑃(𝑋 = 3) = 3!
P=(X= 3)
n!= 1 * 2 * 3 *…….*n
3! = 1 ∗ 2 ∗ 3 = 6 0!= 1
 El taller de Keysi recibe un promedio de μ= 4 clientes al día.
Conociendo que el número de pacientes que llega sigue una
distribución de Poisson, calcular:
X = Calcular la probabilidad que lleguen 3 clientes en un día.
𝑒 − μ ∗μ𝑥
𝑥 = 𝑛° 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑙𝑙𝑒𝑔𝑎𝑛 𝑎𝑙 𝑡𝑎𝑙𝑙𝑒𝑟 𝑑𝑒 𝐾𝑎𝑦𝑠𝑖𝑒 𝑓 𝑥 = 𝑃(𝑋 = 𝑥) = 𝑥!
en un día

𝑥 ~ 𝑃𝑜𝑖𝑠𝑠𝑜𝑛(4) 𝑒 −4 ∗ 43
𝑓 3 = 𝑃(𝑋 = 3) = 3!

μ= 4 𝑓 3 = 𝑃(𝑋 = 3) = 0,194 = 19,54%

P=(X= 3)
n!= 1 * 2 * 3 *…….*n
3! = 1 ∗ 2 ∗ 3 = 6
Ejercicios en clases
El taller de Keysi recibe un promedio de μ= 4 clientes al día.
Conociendo que el número de pacientes que llega sigue una
distribución de Poisson, calcular:
X = Calcular la probabilidad que lleguen 5 clientes en un día.
𝑒 − μ ∗μ𝑥
𝑓 𝑥 = 𝑃(𝑋 = 𝑥) = 𝑥!
El taller de Keysi recibe un promedio de μ= 4 clientes al día.
Conociendo que el número de pacientes que llega sigue una
distribución de Poisson, calcular:
X = Calcular la probabilidad que lleguen 4 clientes en un día.
𝑒 − μ ∗μ𝑥
𝑓 𝑥 = 𝑃(𝑋 = 𝑥) = 𝑥!
 El taller de Keysi recibe un promedio de μ= 4 clientes al día.
Conociendo que el número de pacientes que llega sigue una
distribución de Poisson, calcular:
X = Calcular la probabilidad que lleguen 5 clientes en un día.
𝑒 − μ ∗μ𝑥
𝑥 = 𝑛° 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑙𝑙𝑒𝑔𝑎𝑛 𝑎𝑙 𝑡𝑎𝑙𝑙𝑒𝑟 𝑑𝑒 𝐾𝑎𝑦𝑠𝑖𝑒 𝑓 𝑥 = 𝑃(𝑋 = 𝑥) = 𝑥!
en un día

𝑥 ~ 𝑃𝑜𝑖𝑠𝑠𝑜𝑛(4) 𝑒 −4 ∗ 43
𝑓 5 = 𝑃(𝑋 = 5) = 5!

μ= 4
P=(X= 5)
n!= 1 * 2 * 3 *…….*n
5! = 1 ∗ 2 ∗ 3 ∗ 4 ∗ 5 = 120
Considere una distribución de Poisson con μ= 3
a) Escribir la función de probabilidad de Posisson apropiada
b) Calcular f(0)
𝑒 − μ ∗μ𝑥
c) Calcular P(X≥ 𝟏) 𝑎) 𝑓 𝑥 = 𝑃(𝑋 = 𝑥) = 𝑥!
𝑥 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑒 𝑒 −3 ∗ 3𝑥
𝑎) 𝑓 𝑥 = 𝑃(𝑋 = 𝑥) =
𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑢𝑛 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑜. 𝑥!

𝑥 ~ 𝑃𝑜𝑖𝑠𝑠𝑜𝑛(3) 𝑒 −3 ∗30
b) 𝑓 0 = 𝑃(𝑋 = 0) =
0!
μ= 3 b) 𝑓 0 = 𝑃(𝑋 = 0) = 𝑒 −3
= 0,0498 =4,98%
Considere una distribución de Poisson con μ= 3
a) Escribir la función de probabilidad de Posisson apropiada
b) Calcular f(0)
c) Calcular P(X≥ 𝟏) 𝑎) 𝑓 𝑥 = 𝑃 𝑋 = 𝑥
𝑥 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑒 𝑎) ∑ 𝑓 𝑥 = ∑𝑃 𝑋 = 𝑥
𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑢𝑛 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑜.

𝑥 ~ 𝑃𝑜𝑖𝑠𝑠𝑜𝑛(3) 𝑃 𝑋 = 0 + 𝑃 𝑋 = 1 + 𝑃 𝑋 = 2 ……..=1

μ= 3 𝑃 𝑋 =0 +𝑃 𝑋 ≥1 =1

𝑃 𝑋 ≥ 1 =1-𝑃 𝑋 = 0
𝑃 𝑋 ≥ 1 = 1 -0,0498
𝑃 𝑋 ≥ 1 = 0,9502 = 95,02%
Ejercicios en clases
 Considere una distribución de Poisson con μ= 6
a) Escribir la función de probabilidad de Posisson apropiada
b) Calcular f(0)
𝑒 − μ ∗μ𝑥
c) Calcular P(X≥ 𝟏) 𝑎) 𝑓 𝑥 = 𝑃(𝑋 = 𝑥) = 𝑥!
𝑒 −6 ∗6𝑥
c) ∑𝑓 0 = ∑𝑃(𝑋 = 0) =1 a) 𝑓 𝑥 = 𝑃(𝑋 = 𝑥) = 𝑥!

𝑃(𝑋 = 0)+ 𝑃(𝑋 = 1) + 𝑃 𝑋 = 2 + 𝑃(𝑋 = 𝑒 −6 ∗60

3)…………………………………=1 b) 𝑓 0 = 𝑃(𝑋 = 0) = 0!

b) 𝑓 0 = 𝑃(𝑋 = 0) = 𝑒 −6 = 0,00247 = 0,247%

𝑃(𝑋 = 0)+ 𝑃 𝑋 ≥ 1 = 1
𝑃 𝑋 ≥ 1 =1- 𝑃(𝑋 = 0)
𝑃 𝑋 ≥ 1 = 1- 0,00247= 0,997%
ESTADÍSTICA II
KEVIN ROJAS
Distribución Normal
La distribución normal, distribución de Gauss o distribución gaussiana, es
la distribución de probabilidad individual más importante. La distribución
normal nos permite crear modelos de muchísimas variables y fenómenos,
como por ejemplo, la estatura de los habitantes de un país, la temperatura
ambiental de una ciudad, los errores de medición y muchos otros fenómenos
naturales, sociales y hasta psicológicos. Por ello, hoy vamos a revisar sus
características y muchísimos problemas resueltos en 3 niveles de dificultad.
Distribución Normal
Cantidad de días

temperatura
13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
Distribución Normal
Cantidad de días

temperatura
13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
Distribución Normal
Cantidad de harina

peso(gramos)
143 144 145 146 147 148 149 150 151 152 153 154 155 156 157
µ
Distribución Normal
Cantidad de harina

peso(gramos)
143 144 145 146 147 148 149 150 151 152 153 154 155 156 157
Distribución Normal
f(x) δ
N(µ,δ)
N(3 , 1/2)

x
µ
Distribución Normal
¿Qué pasaría si se realiza una encuesta en una ciudad a personas adultas consultando su estatura? A partir de los
resultados obtenidos, se puede elaborar un histograma que tendría la siguiente forma:

Como vemos, el histograma tiene forma de campana, una característica importante de la distribución normal.
Un parámetro muy importante es la media (µ) y siempre estará al centro de la curva con forma de campana. Por ejemplo,
aquí tenemos la gráfica de una distribución normal con media igual a 8.
Distribución Normal
Un parámetro muy importante es la media (µ) y siempre estará al centro de la curva con forma de campana. Por ejemplo,
aquí tenemos la gráfica de una distribución normal con media igual a 8.
Distribución Normal
Además de la media, existe otro parámetro muy importante, se trata de la desviación estándar, representada con la letra
griega σ. La desviación estándar es la medida de variabilidad más utilizada y nos indica que tan dispersos se encuentran
los datos. Por ejemplo, aquí veremos dos curvas normales, una con desviación estándar pequeña, y otra con desviación
estándar grande. Cuando la desviación estándar es pequeña, los datos tienen una dispersión baja y se agrupan alrededor
de la media. En cambio, cuando la desviación estándar es alta, los datos tienen una dispersión alta y se alejan de la media.
CARACTERÍSTICAS
Distribución Normal
Existe una función matemática con forma de Si se grafica esta función, se obtiene como resultado la curva
campana que tiene la siguiente definición: normal:
CARACTERÍSTICAS
Distribución Normal
Existe una función matemática con forma de Si se grafica esta función, se obtiene como resultado la curva
campana que tiene la siguiente definición: normal:

•Toma en cuenta la media(µ) y la desviación estándar(σ).

•El área bajo la curva es igual a 1.
•Es simétrica respecto al centro, o a la media.
•50% de los valores son mayores que la media, y 50% de los valores
son menores que la media.
•La media es igual a la mediana y a la moda.
•Tiene una asíntota en y = 0 (eje x).
CARACTERÍSTICAS
Distribución Normal estándar
La distribución normal estándar, es aquella distribución normal que tiene una media igual a cero, y una desviación
estándar igual a uno. Veamos la función densidad normal estandarizada, que trabaja con la variable estandarizada z en el
eje horizontal:
CARACTERÍSTICAS
Distribución Normal estándar
Por ejemplo, si se desea encontrar la probabilidad de que la variable estandarizada z, tome un valor entre 0 y 1,50; hay
que encontrar el área bajo la curva entre z = 0 y z = 1,50.
CARACTERÍSTICAS
Distribución Normal estándar
Para calcular el valor de esta área, se utiliza la tabla z y se busca el valor de 1,50:
Distribución Normal 2. El peso de cierto modelo de baterías está
normalmente distribuido con una media de 6K y
desviación estándar de 2k. Determine el
Cantidad de baterias
porcentaje de baterías cuyo peso es mayor de 8k.
N(6,2) Z= (8-6)/2
Z=1

P(x)=8
P(X) 8
A1+A2 = 0,50
0,3413+A2=0,50
A2=0,50 – 0,3413
A2=0,1587
P(A 8)= 15,87%

2 4 6 8 10 Peso de
baterias
Distribución Normal
Cantidad de empleados 2. Los sueldos mensuales en una empresa siguen
una distribución normal con media de 1200
dólares, y desviación estándar de 200 dólares.
¿Qué porcentaje de trabajadores ganan entre
1000 y 1550 dólares?.
Z=1000-1200/200
Z=-1
Z=1

800 1200 1600

sueldo
1000
Una fábrica de producción de agua embotellada, cuenta con una máquina de envasado automático, la cual vierte en
cada botella una cierta cantidad de agua que sigue una distribución normal con media de 500 mililitros y una varianza
de 25 mililitros. ¿Qué porcentaje de las botellas se llenan con agua entre 490 y 507 mililitros?

. Una clínica realiza un análisis de colesterol en hombres mayores de 50 años, y luego de varios años de investigación,
concluye que la distribución de lecturas del colesterol sigue una distribución normal, con media de 210 mg/dl y una
desviación estándar de 15 mg/dl. a) ¿Qué porcentaje de esta población tiene lecturas mayores a 250 mg/dl de
colesterol? b) ¿Qué porcentaje tiene lecturas inferiores a 190,05 mg/dl?

Los precios de las acciones de cierta industria se distribuyen en forma normal con media de $20 y desviación
estándar de $3. ¿Cuál es la probabilidad de que el precio de las acciones de una empresa se encuentre entre $18 y
$20?

El peso de cierto modelo de baterías está normalmente distribuido con una media de 6g y desviación estándar de 2g.
Determine el porcentaje de baterías cuyo peso es mayor de 8g.

La estatura de mujeres adultas en cierta región tiene una distribución normal cuya media es de 160 cm, con
desviación estándar de 2 cm. ¿Qué porcentaje tiene una estatura entre 158 y 163 cm?
Los precios de las acciones de cierta industria se distribuyen en forma normal con media de $20 y desviación
estándar de $3. ¿Cuál es la probabilidad de que el precio de las acciones de una empresa se encuentre entre $18 y
$20?
δ=3 N(µ,δ)
Z= (X-µ)/δ)
Z= (18-20/3)
Z=-0,6666

A3= 0,2486
A3= 24,86%
Z=-0,6666 Z=0,6666
a1 A2 A3 a4
0,2486 0,2486 X
18 20

0
Si X es una variable aleatoria continua distribuida de forma normal con media de 18 y una varianza de 6,25,
Encontrar el valor de a, tal que P(X>=a)=0,1814

δ=2,5 N(µ,δ)
Z= (X-µ)/δ)

50% δ=2,5
0,50
0,3186 0,1814 a3+a4=0,50
a3+0,1814=0,50
a2 a3=0,50-0,1814
a1 A3 a4 a3= 0,3186
X
18 20,275 Z=0,91

Z= (X-µ)/δ)
0,91=(x-18)/2,5

(2,5)0,91=X-18
2,275=X-18

2,275+18=X
20,275=X
0
Dada una variable aleatoria continua X, cuya distribución de probabilidad es N(µ,δ) en la que el 10, 03% del área bajo
la curva está a la izquierda de X=60, y el 5,05% del área está a la derecha de X=90; hallar los valores de µ y δ
δ=10,27 N(µ,δ)
0,50 0,50
Z= (X-µ)/δ)

1) a1+a2=0,50 2) a3+a4=0,50 3) δ(1,64)=90-µ

0,1003+a2=0,50 a3+0,0505=0,50 10,27(1,64)=90- µ
a2=0,50-0,1003 a3 =0,50-0,0505 16,84=90-µ
0,1003 0,3997 0,4495 0,0505 a3=0,4495 µ=90-16,84
a2= 0,3997
µ=73,16
a1 a2 A3 a4 Z= (X-µ)/δ) Z= (X-µ)/δ)
X
60 73,16 90 -1,28= 60-µ/ δ 1,64= 90-µ/ δ
-1,28 1,64 δ(-1,28)= 60- µ(i) δ(-1,28)= 60- µ
δ(1,64)=90-µ(ii)
10,27(-1,28)=60- µ
-13,1456=60- µ
(-1) δ(-1,28)= 60- µ µ=60+13,1456
δ(1,64) =90-µ µ=73,1456

0,4495 +1,28 δ= -60 + µ

0,0505 1,64 δ =90-µ
a1 a2 A3 a4
2,92 δ =30
90
Distribución Normal
δ= $3
N(µ,δ)
50% 50%
Z= x- µ / δ
Z= 18-20/3
0,2486 0,2486
Z=-0,666666
Z=-0,67

P(X=18)= 24,86%
A1 A2 A3 A4
X=Z P(X>=18 ) = A2+ (A3+A4)
µ = 0,2486+0,50
$18 $20 = 0,7486
-0,67 0,67 =74,86%
P(x<=18) = A1 – EA2+A3+A4
Los precios de las acciones de cierta industria se distribuyen de
= 1 – 0,7486
forma normal con una media de $20 y una desviación estándar de
= 0,2514
$3 ¿Cuál es la probabilidad que el precio de las acciones ascienda
= 25,14%
a $18?
Distribución Normal N(µ,δ)

δ= 2.5

Z= x- µ / δ

P(X>=a)= 0,1814

0,1814 A3+A4= 50%

0,3186 A3+A4= 0,50
A1 A2 A3 A4 A3=0,50-A4
X=Z A3= 0,50 – 0,1814
µ
A3= 0,3186
18 20,275
Z=0,91
Si X es una variable aleatoria continua, distribuida de forma
normal con una media de 18 y una varianza de 6,25, encontrar el Z= X-18/2.5
valor de a(x), tal que P(X>=a)=0,1814 0,91=X-18/2.5
0,91*2,5=x-18
(0,91*2,5)+18=X
X=20,275
Distribución Normal N(µ,δ)

δ= 2.5

Dada una variable aleatoria continua, cuya distribución de

probabilidad es N(-4; 3), obtenga las siguientes probabilidades:

*P(-10,6<=X<=2,6)
*P(X>=2)
A1 A2 A3 A4 *P(x=2)
X=Z
µ
Si X es una variable aleatoria continua, distribuida de forma
18 normal, con media de 18 y varianza de 6,25. Encontrar:

b) el valor de c, tal que P(X < C) = 0,2236

ESTADÍSTICA II
KEVIN ROJAS
Distribución
Muestral
N (µ,√)
n1 𝑥ҧ
n2 𝑥ҧ
n3 𝑥ҧ
Con Sin
reposición reposición
Distribución muestral
Las alturas de los estudiantes de una Universidad se distribuyen normalmente con media
de 1.65m y una desviación estándar de 0.23
Si se escoge al azar un grupo con 18 estudiantes calcular:
a)La distribución normal de medias
b)La probabilidad que las medias de las alturas sea mayor a 1.78
n=18
µ=1.65 a) n(µ,s)
n(18) n(1.65,0.0542)
N(µ,δ) δ=0.23
S= δ/√n S= 0.23/ √18
n(µ,s) S=0,0542
b) P(X ≥ 1.78) = 0.50-0.4916 = 0.0084= 0,84%
Z=
_ x- µ/ δ µ= 1.65
Z= _x- µ/ S S=0.0542
0,50 0,50 Z= X - µ/ S X=1.78
50% 50% Z= 1.78-1.65/0.0542
Z=0.0084
Z=2.39
Z=0.4916 Z=0.4916
Distribución muestral
Los gramos de harina que los estudiantes de la carrera de gastronomía utilizan para
elaborar una torta de chocolate se distribuyen normalmente con media de 130 gramos y
una desviación estándar de 0,48
Si se escoge al azar un grupo con 20 estudiantes calcular:
a)La distribución normal de medias
b)La probabilidad que las medias de los gramos utilizados sean mayor a 150 gramos

N(µ,δ) a) n(130,0.1073)
S= δ/√n b) P(X ≥150)
n(µ,s) Z=(x- µ/S)
Z=(150 – 130/ 0.1073
S= 0,48/√20 Z=186.39
Distribución muestral
Los mililitros de vodka que los estudiantes de la carrera de gastronomía utilizan para
elaborar un bloody mary se distribuyen normalmente con media de 70ml y una
desviación estándar 2
Si se escoge al azar un grupo con 15 estudiantes calcular:
a)La distribución normal de medias
b)La probabilidad que las medias de los gramos utilizados sean mayor a 77ml
Distribución muestral
Los tomates que los estudiantes de la carrera de gastronomía utilizan para elaborar un
seco de pollo se distribuyen normalmente con media de 2 unidades y una desviación
estándar de 0,35.
Si se escoge al azar un grupo con 22 estudiantes calcular:
a)La distribución normal de medias
b)La probabilidad que las medias de los gramos utilizados sean mayor a 3,5 unidades
Si se escoge al azar un grupo con 14 estudiantes calcular:
a)La distribución normal de medias
b)La probabilidad que las medias de los gramos utilizados sean mayor a 3,5 unidades
Distribución muestral
Supongamos que la estatura media de los estudiantes es de 165cm con desviación típica
de 8cm.

a)Hallar los parámetros de una media muestral de 23 elementos.

b)La probabilidad que una muestra de 15 estudiantes tenga una media de 167cm o más
ESTADÍSTICA II
KEVIN ROJAS
ESTIMACIÓN
 Objetivos

• Calcular los parámetros de

la distribución de medias o • Estimar la media o la • Utilizar distintos tamaños • Visualizar gráficamente,
• Contrastar los resultados
proporciones muestrales de proporción de una población muestrales para controlar la mediante las respectivas
obtenidos a partir de
tamaño n, extraídas de una a partir de la media o confianza y el error curvas normales, las
muestras.
población de media y proporción muestral. admitido. estimaciones realizadas.
varianza conocidas.
Esquema
Estimación: conceptos básicos, tipos e importancia

Población La estimación es la determinación

Muestra de un elemento o factor.
Esto, usualmente tomando como
referencia una base o conjunto de
datos. En otras palabras, la
estimación es un cálculo que se
realiza a partir de la evaluación
estadística. Dicho estudio suele
efectuarse sobre una muestra y no
Parámetro Estadístico sobre toda la población objetivo.

Ѳ Ѳ
Estimación: conceptos básicos, tipos e importancia

Estimación puntual Estimación por Intervalo

Ѳ Ѳ – a1, Ѳ + a

Consiste en tomar el número de la Toma la estimación puntual para

muestra como el valor más construir un intervalo de confianza
acertado o aproximado del Ѳ Ѳ
parámetro.
Cualquier alejamiento de nuestro estadístico en
relación al parámetro va a ser un error.
Es mucho mas posible que nuestro intervalo de
confianza incluya al parámetro desconocido
 Conceptos Básicos

Unidad de
Población Muestra Parámetro Estimador.
muestreo

Estadístico Estimación Contraste de Hipótesis Nivel de Confianza

Conceptos Básicos
 La estimación puntual
La estimación es la determinación de
un elemento o factor.
Esto, usualmente tomando como
referencia una base o conjunto de
datos. En otras palabras, la estimación
es un cálculo que se realiza a partir de
la evaluación estadística. Dicho
estudio suele efectuarse sobre una
muestra y no sobre toda la población
objetivo.

Estimar puede tener dos significados

interesantes. Significa querer e inferir
 La estimación puntual

No de Platos vendidos en restaurante de puerto santa ana en los últimos 6 meses

Encontrar las estimaciones puntuales de la media y de la desviación estándar de la
población.
Encontrar la proporción y probabilidad que los platos vendidos superen los 150
Análisis de resultados de cada item

100 222 240 197 200 150

125 133 105 180 230 167
180 210 140 220 108 235
 La estimación puntual

No de estudiantes que asisten a los talleres de preparación de bebidas internacionales en el semestre CII
2022-2023

Encontrar las estimaciones puntuales de la media y de la desviación estándar de la población.

Encontrar la proporción y probabilidad que los estudiantes que asisten sea menor
a 60
Análisis de resultados de cada
item

35 45 20 35 55 75
15 30 25 50 65 85
Condiciones estimación puntual

Carencia de sesgo
Consistencia
Eficiencia
Suficiencia
ESTADÍSTICA II
KEVIN ROJAS
 La estimación Por intervalos

Un intervalo de confianza (IC) es un intervalo de

µ
números que se cree contienen el valor del
parámetro.
La probabilidad que el método produzca
intervalo que contenga el parámetro se llama
nivel de confianza.
Es común usar cercanos al 100%, como 95%;
99%, etc.
Es un rango de números llamados intervalo,
construido alrededor de la estimación puntual.
La mayoría de los Ic tiene la forma
Estimación puntual +- margen de error
Distribución muestral
Las alturas de los estudiantes de una Universidad se distribuyen normalmente con media
de 1.65m y una desviación estándar de 0.23
Si se escoge al azar un grupo con 18 estudiantes calcular:
a)La distribución normal de medias
b)La probabilidad que las medias de las alturas sea mayor a 1.78
n=18
µ=1.65 a) n(µ,s)
n(18) n(1.65,0.0542)
N(µ,δ) δ=0.23
S= δ/√n S= 0.23/ √18
n(µ,s) S=0,0542
b) P(X ≥ 1.78) = 0.50-0.4916 = 0.0084= 0,84%
Z=
_ x- µ/ δ µ= 1.65
Z= _x- µ/ S S=0.0542
0,50 0,50 Z= X - µ/ S X=1.78
50% 50% Z= 1.78-1.65/0.0542
Z=0.0084
Z=2.39
Z=0.4916 Z=0.4916
 La estimación Por intervalos

1. Decidir cuáles son los valores deseados para la seguridad y la precisión, siendo conscientes de que
valores muy ambiciosos generarán situaciones muy exigentes.
2. Calcular el tamaño que ha de tener la muestra para conseguir esos objetivos iniciales de precisión y
seguridad. Este asunto será abordado específicamente en otro monográfico (Tamaño de muestra).
3. Obtener la muestra.
4. Obtener el valor del estadístico utilizado como estimador, que suministra el punto central del
intervalo.
5. Calcular el error de precisión a partir de la información de la muestra y de la seguridad deseada.
6. Construir el intervalo.
La estimación Por intervalos
La estimación Por intervalos

1)

δ= 1.95

n= 80

ഥ
𝐗 75

aEncontrar el error estándar

Construya una estimación de intervalo alrededor de la media de la muestra, utilizando un error estándar de la
bmedia
La estimación Por intervalos

2)δ= 4

n= 105

ഥ
𝐗 45

aEncontrar el error estándar

bCalcule un intervalo estimado que incluya la media de la población en un 95,5% del tiempo.
La estimación Por intervalos

P P
La En una muestra de 10 estudiantes universitarios, la

estimación 1) altura media es de 170 cm, suponiendo que la

desviación típica de los Estudiantes de la UG es de 5cm,
Por hallar un intervalo de confianza del 99% para la altura
media.
intervalos
La
estimación 2) 20 personas en una muestra de 30 Ecuatorianos están a
favor de la pena de muerte. Estimar la proporción de la
Por población que esté a favor y hallar un intervalo de
confianza del 90%.
intervalos
 3) En una muestra de 50 platos típicos, la media de gramos
La destinados a proteína es de 200g, suponiendo que la
estimación desviación típica de los platos es de 10g, hallar un
intervalo de confianza del 99% para la media de gramos.
Por
intervalos
 60 cocinas en una muestra de 100 de una conocida
4) cadena comercial de electrodomésticos han dado
La
positivo a defectos de fábrica. Estimar la proporción de
estimación las cocinas que presenten defectos y hallar un intervalo
Por de confianza del 90%.
intervalos