Beruflich Dokumente
Kultur Dokumente
Ingeniería Industrial
Materia: Estadística Inferencial
Grupo: 3Z
Profesor: Juan Morales
Alumno: Morales Pluma Gerardo
No. Control: B09210262
Capitulo #4, #5, #6
Tarea #2
Resolver los ejercicios planteados más adelante
Probabilidad condicional
4-5 regla de la multiplicación: complementos y
probabilidad condicional
1. La probabilidad de “al menos uno”: Calcular la probabilidad de que, en
varios ensayos, ocurra al menos uno de ciertos eventos específicos.
2. Probabilidad condicional: Calcular la probabilidad de un evento cuando
tenemos la información adicional de que algún otro evento ya ocurrió.
Empecemos con situaciones en las que deseamos calcular la probabilidad de
que, en varios ensayos, al menos uno produzca algún resultado especificado.
Distribución de probabilidad discreta que se aplica a las ocurrencias de algún evento durante
un intervalo específico. La variable aleatoria x es el número de veces que ocurre un evento en
un intervalo.
proporción: es la distribución de
Varianza: es la distribución de las
proporciones muéstrales, donde todas las
varianzas muéstrales, donde todas las
muestras tienen el mismo tamaño de
muestras tienen el mismo tamaño n y
muestra n y provienen de la misma
se obtiene de la misma población
población
Estadístico: es la distribución de todos
los valores del estadístico cuando se
obtienen todas las muestras posibles del
mismo tamaño n de la misma
población.
1. Para una población con cualquier distribución, si n . 30, entonces las medias
muéstrales
tienen una distribución que se puede aproximar por medio de una distribución
normal, con una media m y una desviación estándar
2. Si n # 30 y la población original tiene una distribución normal, entonces las
medias
muéstrales tienen una distribución normal con una media m y una desviación
estándar
3. Si n # 30, pero la población original no tiene una distribución normal, entonces
no se aplican los métodos de esta sección.
El teorema del límite central implica dos distribuciones diferentes: la
distribución de la población original y la distribución de las medias muéstrales.
Al igual que en capítulos anteriores, utilizamos los símbolos m y s para denotar
la media y la desviación estándar de la población original; pero ahora
necesitamos nuevas notaciones para la media y la desviación estándar de la
distribución de las medias muéstrales.
para una población con cualquier distribución, la
distribución de las medias muéstrales se aproxima a una
distribución normal conforme aumenta el tamaño de la Media
muestra. En otras palabras, si el tamaño de la muestra es
lo suficientemente grande, la distribución de medias
muéstrales puede aproximarse por medio de una
distribución normal, incluso si la población original no está Varianza muestral
distribuida normalmente. Además, si la población original
tiene media m y desviación estándar s, entonces la media
de las medias muéstrales también será m, pero la
desviación estándar de las medias muéstrales será s>1n, Varianza de la población
donde n es el tamaño de la muestra.
Una gráfica cuantilar normal (o gráfica de probabilidad normal) es una
gráfica de puntos (x, y) donde cada valor x proviene del conjunto original de datos
muéstrales, y cada valor y es la puntuación z correspondiente, que es un valor
cuantilar esperado de la distribución normal estándar.
Distribución normal: La distribución de la población es normal si el patrón de
los puntos se aproxima de manera razonable a una línea recta, y si los puntos no
revelan algún patrón sistemático que sea diferente de una línea recta.
No es una distribución normal: La distribución de la población no es normal si
se aplica alguna de las dos siguientes condiciones:
• Los puntos no caen razonablemente cerca de una línea recta.
• Los puntos muestran algún patrón sistemático que no es el de una línea recta.