UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN

FACULTAD DE CIENCIAS JURDICAS Y EMPRESARIALES

ESCUELA ACADEMICA PROFESIONAL DE ADMINISTRACION

TERMINOS ESTADISTICOS
ASIGNATURA: Estadstica DOCENTE: Mgr. Vctor Echegaray Munenaka ALUMNA: Cachicatari Arocutipa, Susan CDIGOS: 08-31840

Tacna - Per

Estadstica

PROBABILIDADES
Las Probabilidades pertenecen a la rama de la matemtica que estudia ciertos experimentos llamados aleatorios, o sea regidos por el azar, en que se conocen todos los resultados posibles, pero no es posible tener certeza de cul ser en particular el resultado del experimento. Por ejemplo, experimentos aleatorios cotidianos son el lanzamiento de una moneda, el lanzamiento de un dado, extraccin de una carta de un mazo de naipes. Ms adelante se ver que debemos distinguir entre los conceptos de probabilidades matemticas o clsicas de las probabilidades experimentales o estadsticas. La probabilidad constituye un importante parmetro en la determinacin de las diversas casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadstico. Existen diversas formas como mtodo abstracto, como la teora Dempster-Shafer y la teora de la relatividad numrica, esta ltima con un alto grado de aceptacin si se toma en cuenta que disminuye considerablemente las posibilidades hasta un nivel mnimo ya que somete a todas las antiguas reglas a una simple ley de relatividad. La probabilidad de un evento se denota con la letra p y se expresa en trminos de una fraccin y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por otra parte, la probabilidad de que un evento "no ocurra" equivale a 1 menos el valor de p y se denota con la letra q:

Los tres mtodos para calcular las probabilidades son la regla de la adicin, la regla de la multiplicacin y la distribucin binomial. 1) DISTRIBUCION MULTINOMIAL: La distribucin multinomial es una generalizacin de la distribucin binomial. En este caso, en un experimento interesa estudiar no la ocurrencia de un nico suceso o la de su contrario, sino la de varios sucesos (tres o ms). La distribucin multinomial, M(n,p1, ,pn) proporciona probabilidades de obtener, en m repeticiones independientes de un experimento, x1 veces el suceso A1, x2 veces el suceso A2, , xn veces el suceso An, donde dichos sucesos forman una particin del espacio muestral, es decir, tal que para y donde , por tanto, se cumple . La distribucin multinomial es esencialmente igual a la binomial con la nica diferencia de que cada prueba tiene ms de dos posibles resultados mutuamente excluyentes. Si tenemos K resultados posibles (Ei , i = 1, ... , K) con probabilidades fijas (pi , i = 1, ... , K), la variable que expresa el nmero de resultados de cada tipo obtenidos en n pruebas independientes tiene distribucin multinomial.

Pgina 2

Estadstica

La probabilidad de obtener x1 resultados E1, x2 resultados E2, etc. se representa como:

Los parmetros de la distribucin son p1,..., pK y n.

2) LA T DE ESTUDENT: Es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. Aparece de manera natural al realizar la prueba t de Student para la determinacin de las diferencias entre dos medias muestrales y para la construccin del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviacin tpica de una poblacin y sta debe ser estimada a partir de los datos de una muestra. Supongamos dos variables aleatorias independientes, una normal tipificada, Z, y otra con distribucin c2 con n grados de libertad, la variable definida segn la ecuacin:

Tiene distribucin t con n grados de libertad. La funcin de densidad de la distribucin t es:

El parmetro de la distribucin t es n, su nmero de grados de libertad. Esta distribucin es simtrica respecto al eje Y y sus colas se aproximan asintticamente al eje X. Es similar a la distribucin Z salvo que es platicrtica y, por tanto, ms aplanada.

Pgina 3

Estadstica

Cuando n tiende a infinito, t tiende asintticamente a Z y se pueden considerar prcticamente iguales para valores de n mayores o iguales que 30..

Variables T con valores de n progresivamente mayores son cada vez menos platicrticas

Comparacin entre la variable T y la normal tipificado. 3) LA CHI CUADRADO: Esta vez vamos a referirnos a variables que se han medido a nivel nominal. Es decir, que sus valores representan categoras o grupos en una variable. Puede ser el caso de cuntas personas estn a favor o en contra de una decisin. En este caso tenemos dos categoras o grupos: los que van por el s y los que van por el no. Puede tratarse de otra variable como nivel de satisfaccin respecto al sabor de la comida. En este caso las personas contestan segn tres categoras: 1. Si satisfecho 2. No satisfecho 3. Indeciso.

Pgina 4

Estadstica

Otras variables semejantes son el gnero o sexo de la persona, el partido poltico de preferencia, etc. Una pregunta que puede surgir ante estas variables es, si las frecuencias o nmero de casos observados en cada categora de la variable, a partir de una muestra, difieren de manera significativa respecto a una poblacin esperada de respuestas o frecuencias. Es otro caso particular de la distribucin gamma para el caso = 2 y nmero natural. Su funcin de densidad es: = n / 2, siendo n un

El parmetro de la distribucin c2 es n y su media y su varianza son, respectivamente:

Otra forma de definir la distribucin c2 es la siguiente: Supongamos que tenemos n variables aleatorias normales independientes, X1,..., Xn, con media variable definida como
i

y varianza

(i = 1 ... n), la

Tiene distribucin c2 con n grados de libertad y se le denomina c2n.

Variables chi-cuadrado con valores de

progresivamente mayores son cada vez menos asimtricas.

Pgina 5

Estadstica

4) HIPERGEOMETRICA: La distribucin hipergeomtrica es especialmente til en todos aquellos casos en los que se extraigan muestras o se realizan experiencias repetidas sin devolucin del elemento extrado o sin retornar a la situacin experimental inicial. Modeliza , de hecho, situaciones en las que se repite un nmero determinado de veces una prueba dicotmica de manera que con cada sucesivo resultado se ve alterada la probabilidad de obtener en la siguiente prueba uno u otro resultado. Es una distribucin .fundamental en el estudio de muestras pequeas de poblaciones .pequeas y en el clculo de probabilidades de, juegos de azar y tiene grandes aplicaciones en el control de calidad en otros procesos experimentales en los que no es posible retornar a la situacin de partida. La distribucin hipergeomtrica puede derivarse de un proceso experimental puro o de Bernouilli con las siguientes caractersticas:  El proceso consta de n pruebas, separadas o separables de entre un conjunto de N pruebas posibles.  Cada una de las pruebas puede dar nicamente dos resultados mutuamente excluyentes: A y no A.  En la primera prueba las probabilidades son :P(A)= p y P(A)= q ;con p+q=l. Las probabilidades de obtener un resultado A y de obtener un resultado no A varan en las sucesivas pruebas, dependiendo de los resultados anteriores. Una variable tiene distribucin hipergeomtrica si procede de un experimento que cumple las siguientes condiciones: a) Se toma una muestra de tamao n, sin reemplazamiento, de un conjunto finito de N objetos. b) K de los N objetos se pueden clasificar como xitos y N - K como fracasos. X cuenta el nmero de xitos obtenidos en la muestra. El espacio muestral es el conjunto de los nmeros enteros de 0 a n, de 0 a K si K < n. En este caso, la probabilidad del xito en pruebas sucesivas no es constante pues depende del resultado de las pruebas anteriores. Por tanto, las pruebas no son independientes entre s. La funcin de probabilidad de la variable hipergeomtrica es:

Los parmetros de la distribucin son n, N y K. Los valores de la media y la varianza se calculan segn las ecuaciones:

Pgina 6

Estadstica

Si n es pequeo, con relacin a N (n << N), la probabilidad de un xito variar muy poco de una prueba a otra, as pues, la variable, en este caso, es esencialmente binomial; en esta situacin, N suele ser muy grande y los nmeros combinatorios se vuelven prcticamente inmanejables, as pues, la probabilidades se calculan ms cmodamente aproximando por las ecuaciones de una binomial con p = K / N. La media de la variable aproximada ( = n p = n (K / N)) es la misma que la de la variable antes de la aproximacin; sin embargo, la varianza de la variable binomial es ligeramente superior a la de la hipergeomtrica.

El factor por el que difieren ser siempre menor que 1 y tan prximo a 1 como cierto sea que n << N. El aspecto de la distribucin es bastante similar al de la binomial. Como ejemplo, mostramos los casos anlogos a los de las binomiales del apartado anterior (p inicial = 0,25 y n = 4)

CONCLUSIONES
 La realidad est llena de incertidumbre y la bsqueda de la felicidad durante la conducta exteriorizada en acciones es caracterstica de un desempeo eficiente.  La probabilidad es un formalismo riguroso cuando existe incertidumbre sobre el conocimiento.  La distribucin de probabilidad especifica la probabilidad para cada evento atmico.  El razonamiento incierto, as como la planificacin incierta, estn an alejados de poderse resolver en el caso general. Mucho de lo explicado es ms experimental que comercial y si es comercial, los proyectos son de reducida magnitud.  En general, las decisiones del mundo real que hay que tomar son bajo riesgo o bajo incertidumbre. En el mundo real no tiene demasiado sentido preguntarnos si todo es verdad. Las decisiones se basan en probabilidades, a veces objetivas, a veces subjetivas. Hay que elegir la alternativa con utilidad esperada mxima, combinando teora de decisin con teora de utilidad. Es un rea importante de la teora de la cognicin.

Pgina 7