Universidad de Oriente

Ncleo Bolvar
Escuela de Ciencias de la Tierra
Departamento de Ingeniera Industrial
Asignatura: Estadstica I

Trabajo de Estadstica I

Profesora:
Dayling Gamboa

Bachilleres:
Gmez Ismael C.I: 2379639
Bonalde Claudimar
Palma Chiquinquir

Ciudad bolvar-Estado bolvar, junio del 2015

La esperanza matemtica
La esperanza matemtica (tambin
llamada esperanza, valor esperado, media poblacional o media) de una variable
aleatoria

, es el nmero

que formaliza la idea de valor medio de un

fenmeno aleatorio.
Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de
la probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho
suceso. Por lo tanto, representa la cantidad media que se "espera" como resultado
de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene
constante y el experimento se repite un elevado nmero de veces. Cabe decir que
el valor que toma la esperanza matemtica en algunos casos puede no ser
"esperado" en el sentido ms general de la palabra - el valor de la esperanza
puede ser improbable o incluso imposible.
Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6
caras es 3,5. Podemos hacer el clculo

Momentos respecto del origen

Los momentos mustrales estndar o centrados respecto al origen se
calculan de la siguiente manera. Dada una muestra aleatoria de tamao N el
momento muestra r-simo se calcula mediante:

Dnde:
Son los diferentes valores que aparecen en la muestra.
Es el nmero de veces que se presenta el valor

en la muestra.

Es el nmero total de elementos de la muestra.

De modo que se cumple que el momento de orden 0 con respecto al
origen vale 1 y el momento de orden 1 con respecto al origen es
la media aritmtica:

Momentos respecto a la media o centrales

Se cumple que el momento de orden 0 con respecto a la media vale 1, el

momento de orden 1 con respecto a la media vale 0 y el momento de orden 2 con
respecto a la media es la varianza.

Los momentos de rdenes 3 y 4 con respecto a la media se emplean en el

clculo de los coeficientes de asimetra y curtosis respectivamente.

Funcin generadora de momentos

Sea X una variable aleatoria. El valor esperado:

Recibe el nombre de funcin generadora de momentos.

Si X es una variable aleatoria discreta

Si la variable es continua.

Puede demostrarse que si la funcin generadora de momentos existe,

entonces es nica y determina por completo a la distribucin de probabilidad de X.
Es decir, si dos variables aleatorias tienen la misma funcin generatriz de
momentos, entonces, las dos variables tienen tambin la misma distribucin de
probabilidad.
Por otra parte, si la funcin generadora de momentos existe, entonces es
indefinidamente derivable en t=0. Esto nos asegura que generar todos los
momentos, de cualquier orden, de X en cero. En efecto:

Derivando

Para la derivada segunda, se tiene:

En general, siguiendo con el proceso de diferenciacin, se obtiene:

El mismo resultado se obtendra si se reemplaza la funcin exponencial por su

desarrollo en serie de potencias alrededor de t=0.

Al derivar con respecto a t y calcular sus derivadas en t=0, se llegara al mismo

resultado.

Teorema de chebyshev y ejemplos

Teorema de Chebyshev. Si una variable aleatoria tiene una varianza o
desviacin estndar pequea, esperaramos que la mayora de los valores se
agrupan alrededor de la media. Por lo tanto, la probabilidad de que una variable
aleatoria tome un valor dentro desierto intervalo alrededor de la media es mayor
que para una variable aleatoria similar con una desviacin estndar mayor si
pensamos en la probabilidad en trminos de una rea, esperaramos una
distribucin continua con un valor grande de que indique una variabilidad mayor
y, por lo tanto, esperaramos que el rea este extendida. Sin embargo, una
desviacin estndar pequea debera tener la mayor parte de su rea cercana a
.Podemos argumentar lo mismo para una distribucin discreta. En el histograma
de probabilidad. El rea se extiende mucho ms que. Lo cual indica una
distribucin ms variable de mediciones o resultados el matemtico ruso P. L.
Chebyschev (1821-1894) descubri que la fraccin de rea entre cualesquiera
dos valores simtricos alrededor de la media est relacionada con la desviacin
estndar. Como el rea bajo una curva de distribucin de probabilidad, o de un
histograma de probabilidad, suma 1, el rea entre cualesquiera dos nmeros es la
probabilidad de que la variable aleatoria tome un valor entre estos nmeros. El
siguiente teorema, debido a Chebyshev da una estimacin conservadora de la
probabilidad de que una variable aleatoria tome un valor dentro de k desviaciones
estndar de su media para cualquier nmero real k proporcionaremos

la

demostracin solo para el caso continuo y se deja el caso discreto como ejercicio.
Teorema de Chebyshev: La probabilidad de que cualquier variable aleatoria
X, tome un valor dentro de la k desviaciones estndar de la media es al menos 11/k2.

P[ - k < X< + k ] 1- 1 /k2

Concepto de poblacin
En estadstica, poblacin es un concepto mucho ms general del que tiene
la acepcin comn de esta palabra.
En este sentido, una poblacin es cualquier coleccin ya sea de un nmero
finito de mediciones o una coleccin grande, virtualmente infinita, de datos acerca
de algo de inters.

Concepto de Muestra
La muestra es un subconjunto representativo seleccionado de una
poblacin. Una buena muestra es aqulla que refleja las caractersticas esenciales
de la poblacin de la cual se obtuvo.
En estadstica, el objetivo de las tcnicas de muestreo es asegurar que
cada observacin tiene una oportunidad igual e independiente de ser incluida en la
muestra. Tales procesos de muestreo conducen a una muestra aleatoria.

Bibliografa
Paginas usadas web
http://www.scribd.com/doc/28978398/Teorema-de-Chebyshev
http://www.juntadeandalucia.es/averroes/centrostic/14002996/helvia/aula/archivos/repositorio/250/295/html/estadistica/generadoras
.htm
http://recursostic.educacion.es/descartes/web/materiales_didacticos/unidime
nsional_lbarrios/momentos_est.htm
http://www.ditutor.com/distribucion_binomial/esperanza_matematica.html
http://cenevalenlinea.com/estrategias/item/87-estad%C3%ADstica-poblaci
%C3%B3n-y-muestra.html

Conclusin
Los nombres de esperanza matemtica y valor esperado tienen su origen
en los juegos de azar y hacen referencia a la ganancia promedio esperada por un
jugador cuando hace un gran nmero de apuestas.
El concepto de momento estadstico se fundamenta en la nocin de la fsica
(mecnica). Por lo tanto, puede hablarse de momento estadstico respecto de
cualquier punto; sin embargo, existen dos momentos con significado especial, que
son los ms utilizados en probabilidades y estadstica: el momento alrededor de la
media y el momento alrededor del origen.
La funcin generadora de momentos (FGM) sirve para obtener momentos
estadsticos. Estos se dan siempre alrededor del origen
El matemtico ruso P. L. Chebyschev (1821-1894) descubri que la
fraccin de rea entre cualesquiera dos valores simtricos alrededor de la media
est relacionada con la desviacin estndar.
Poblacin y la muestra, es posible inferir importantes conclusiones sobre las
poblaciones a partir del anlisis de la muestra. La fase de la estadstica que trata
con las condiciones bajo las cuales tal diferencia es vlida se llama estadstica
inductiva o inferencia estadstica. Ya que dicha inferencia no es del todo exacta, el
lenguaje de las probabilidades aparecer al establecer nuestras conclusiones.
La parte de la estadstica que slo se ocupa de describir y analizar un grupo
dado, sin sacar conclusiones sobre un grupo mayor, se llama estadstica
descriptiva o deductiva.