Free Essay

Stadistic

In:

Submitted By jorgehsb
Words 579
Pages 3
UNIVERSIDAD DE LA SABANA
ESTADISTICA APLICADA
ANA SANCHEZ 201021012
KATHERINE BUITRAGO 201021117
________________________________________________________________________________
DISTRIBUCIONES DE PROBABILIDAD CONTINUAS
Son generadas por una 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. 1. DISTRIBUCIÓN UNIFORME
Es aquella que puede tomar cualquier valor dentro de un intervalo, todos ellos con la misma probabilidad. Es una distribución continua porque puede tomar cualquier valor y no únicamente un número determinado (como ocurre en las distribuciones discretas).
Ejemplo: el precio medio del litro de gasolina durante el próximo año se estima que puede oscilar entre 140 y 160 ptas. Podría ser, por tanto, de 143 ptas., o de 143,4 ptas., o de 143,45 ptas., o de 143,455 ptas., etc. Hay infinitas posibilidades, todas ellas con la misma probabilidad.
Su función de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto del intervalo, viene definida por:

Donde: b es el extremo superior (en el ejemplo, 160 ptas.) a es el extremo inferior (en el ejemplo, 140 ptas.)
Por lo tanto, la función de distribución del ejemplo sería:

Es decir, que el valor final esté entre 140 ptas. y 141 ptas. tiene un 5% de probabilidad, que esté entre 141 y 142, otro 5%, etc.
El valor medio de esta distribución se calcula: El valor medio esperado es:

2. DISTRIBUCIÓN NORMAL
Una variable aleatoria continua, X, sigue una distribución normal de media μ y desviación típica σ, y se designa por N(μ, σ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-∞, +∞)
2. La función de densidad, es la expresión en términos de ecuación matemática de la curva de Gauss:

Curva de la distribución normal

El campo de existencia es cualquier valor real, es decir, (-∞, +∞).
Es simétrica respecto a la media µ.
Tiene un máximo en la media µ.
Crece hasta la media µ y decrece a partir de ella.
En los puntos µ − σ y µ + σ presenta puntos de inflexión.
El eje de abscisas es una asíntota de la curva.
El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.
Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda y otra igual a 0.5 a la derecha.
La probabilidad equivale al área encerrada bajo la curva. p(μ - σ < X ≤ μ + σ) = 0.6826 = 68.26 % p(μ - 2σ < X ≤ μ + 2σ) = 0.954 = 95.4 % p(μ - 3σ < X ≤ μ + 3σ) = 0.997 = 99.7 %

3.1 DISTRIBUCIÓN NORMAL ESTÁNDAR
La distribución normal estándar, o tipificada o reducida, es aquella que tiene por media el valor cero, μ = 0, y por desviación típica la unidad, σ =1.
Su función de densidad es:

Su gráfica es:

La probabilidad de la variable X dependerá del área del recinto sombreado en la figura. Y para calcularla utilizaremos una tabla.
Tipificación de la variable
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribución N(μ, σ) en otra variable Z que siga una distribución N(0, 1).

________________________________________________________________________________
BIBLIOGRAFÍA
http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/04Distribuciones%20de%20Probabilidad.htm http://www.aulafacil.com/CursoEstadistica/Lecc-33-est.htm http://www.vitutor.com/pro/5/a_2.html

Similar Documents

Free Essay

Insurance of Learning

...Informe pasantía Programa de Innovación en la enseñanza y el aprendizaje - LASPAU 31 Octubre – 9 noviembre 2011 Alicia Pérez Lorca Enero 2012 1|Página Índice Introducción Página 3 Sesión 1: Qué hacen los mejores profesores universitarios: Una reflexión sobre el aprendizaje activo. Ken Bain Página 4 Sesión 2: Siete principios del aprendizaje y su impacto sobre la enseñanza. Susan Ambrose Página 5 Sesión 3: La enseñanza basada en casos y preguntas. James Honan Página 7 Sesión 4: La evaluación del aprendizaje de los estudiantes en la Educación Superior. Julie Schell Página 8 Sesión 5: Uso de la escritura a través del Programa de estudio como estrategia para el fortalecimiento del aprendizaje. Jennifer Craig Página 9 Sesión 6: La pedagogía del pensamiento crítico. Cassandre Giguere Alvarado Página 10 Sesión 7: Enfocados en la enseñanza. Katherine Merseth Página 12 Sesión 8: Enseñanza basada en el trabajo colaborativo. Michael Sweet Página 13 Sesión 9: Cómo crear ambientes efectivos de aprendizaje. Peter Dourmashkin Página 15 Sesión 10: Aprendizaje activo y enseñanza en clases grandes. Janet Rankin Página 17 Sesión 11: Estrategias en el aula para mejorar la retención estudiantil y disminuir la repetición del estudiante. Julie Schell Página 19 Sesión 12: Diseño de cursos para la motivación del estudiante. Jonathan Stolk – Robert Martello Página 21 Sesión 13: Panel sobre centros de enseñanza...

Words: 8115 - Pages: 33