Fórmulas

Si una variable x se encuentra normalmente distribuida, entonces las estadísticas
tipificadas o estandarizadas están definidas por:
𝒙−𝝁
𝒛= Donde:
𝝈 𝒙: 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒.
𝝁: 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
𝝈: 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
Describe el número de veces que se presenta un evento en un intervalo específico,

el intervalo puede ser tiempo, distancia, volumen, área, etc.
Características:
 La variable aleatoria es el número de veces que ocurre un evento durante un
intervalo definido.
 La probabilidad de que ocurra un evento es proporcional al tamaño del
intervalo.
 Los intervalos son independientes y mutuamente excluyentes.
Distribución de Probabilidad:
(𝒆−𝝀 )(𝝀𝒌 )
𝑷(𝒙 = 𝒌) = Donde:
𝒌! 𝝀: 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 (é𝑥𝑖𝑡𝑜𝑠) 𝑞𝑢𝑒 𝑠𝑒
𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑛 𝑒𝑛 𝑢𝑛 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑎𝑟.
𝒆: 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 2.7182881 …
𝒌: 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜.
𝑷(𝒌): 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑝𝑎𝑟𝑎 𝑢𝑛 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑐í𝑓𝑖𝑐𝑜 𝑑𝑒 𝑥.
𝝀 = (𝒏)(𝒑)
Donde:
𝒏: 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
𝒑: 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 é𝑥𝑖𝑡𝑜.
La distribución binomial es una distribución de probabilidad discreta que nos dice el
porcentaje en que es probable obtener un resultado entre dos posibles al realizar
un número n de pruebas. La probabilidad de cada posibilidad no puede ser más
grande que 1 y no puede ser negativa. En estas pruebas se debe tener sólo dos
resultados posibles, un éxito y un fracaso. Y está dada por:
Donde:
𝑷(𝒙 = 𝒌) = (𝑪𝒏𝒌 )(𝒑𝒌 )(𝟏 − 𝒑 )𝒏−𝒌 𝒙: 𝑒𝑠 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒.
𝒌: 𝑒𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑞𝑢𝑒 𝑡𝑜𝑚𝑎 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒.
𝒑: 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 é𝑥𝑖𝑡𝑜.
𝟏 − 𝒑 𝑜 𝒒: 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑟𝑎𝑐𝑎𝑠𝑜.
𝒏: 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠.
La distribución de la probabilidad Normal constituye una buena aproximación de la

distribución Binomial cuando “n” es muy grande o “n” → ∞. La aproximación es
buena si: 𝒏𝒑 ≥ 𝟓; además se debe tener en cuenta que el número de ensayos es
independiente.
𝒙− (𝒏)(𝒑) Donde:
𝒛= 𝒙: valor que toma la variable.
√(𝒏)(𝒑)(𝒒)
𝒑: 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 é𝑥𝑖𝑡𝑜
𝒒: 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑟𝑎𝑐𝑎𝑠𝑜
 Factor de Corrección de Continuidad.

Para obtener una mejor precisión en la aproximación de la probabilidad, se debe
utilizar la corrección por continuidad de los valores discretos de la variable aleatoria
ya sea sumando o restando 0.5.
Si: 𝑷(𝒙 < 𝒌) = 𝑷(𝒙 < 𝒌 − 𝟎. 𝟓)
𝑷(𝒙 ≤ 𝒌) = 𝑷(𝒙 ≤ 𝒌 + 𝟎. 𝟓)
𝑷(𝒙 > 𝒌) = 𝑷(𝒙 > 𝒌 + 𝟎. 𝟓)
𝑷(𝒙 ≥ 𝒌) = 𝑷(𝒙 ≥ 𝒌 − 𝟎. 𝟓)
𝑷(𝒂 ≤ 𝒙 ≤ 𝒃) = 𝑷(𝒂 − 𝟎. 𝟓 ≤ 𝒙 ≤ 𝒃 + 𝟎. 𝟓)
𝑷(𝒂 < 𝒙 < 𝒃) = 𝑷(𝒂 + 𝟎. 𝟓 < 𝒙 < 𝒃 − 𝟎. 𝟓)
𝑷(𝒙 = 𝒌) = 𝑷(𝒌 − 𝟎. 𝟓 ≤ 𝒙 ≤ 𝒌 + 𝟎. 𝟓)
La Distribución Muestral de Proporción está estrechamente relacionada con la
distribución binomial; una distribución binomial es una distribución total de los
éxitos de las muestras, mientras que una distribución muestral de proporción es la
distribución del promedio de los éxitos.
Como consecuencia de esta relación, la proporción muestral puede evaluarse
siempre que: 𝒏𝒑 ≥ 𝟓 y 𝒏𝒒 ≥ 𝟓.
 Desviación Estándar o Error Estándar.
 Población Infinita  Población Finita
(𝒑)(𝒒) (𝒑)(𝒒) 𝑵−𝒏

𝝈𝒙̅ = √ 𝝈𝒙̅ = (√ ) (√ )
𝒏 𝒏 𝑵−𝟏
Donde:
Donde:
𝒑: 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
𝒒: 1 − 𝑝
𝒒: 1 − 𝑝
𝑵: 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
La fórmula que se utilizará para el cálculo de Probabilidad de una Distribución

Muestral de Proporción, está basada en la Aproximación Binomial a la Normal y es
la siguiente:
̂−𝒑
𝒑
𝒛= Donde:
𝝈𝒙̅
̂: 𝑣𝑎𝑙𝑜𝑟 𝑞𝑢𝑒 𝑡𝑜𝑚𝑎 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒.
𝒑
𝝈𝒙̅ : 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙.
Si todas las muestras de un tamaño en particular se seleccionan de cualquier
población, la distribución muestral de la media se aproxima a una Distribución
Normal. Una muestra de 30 o más, es suficiente para aplicar este teorema.
 Desviación Estándar o Error Estándar.
 Población Infinita  Población Finita
𝝈
𝝈𝒙̅ = 𝝈 𝑵−𝒏
√𝒏 𝝈𝒙̅ = ( ) (√ )
√𝒏 𝑵−𝟏
Donde: Donde:
𝝈: 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛. 𝝈: 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
𝒏: 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎. 𝒏: 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
Cuando no se conoce 𝝈 se estima con
𝒔 (𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎)
𝒔
𝝈𝒙̅ =
√𝒏
Para muestras grandes de tamaño n, los valores estandarizados de las medias
muestrales, se calculan de la siguiente forma:
̅− 𝝁
𝒙 Donde:
𝒛= ̂: 𝑣𝑎𝑙𝑜𝑟 𝑞𝑢𝑒 𝑡𝑜𝑚𝑎 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒.
𝒙
𝝈𝒙̅
𝝁: 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙.
𝝈𝒙̅ : 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟.
Mayor que…: >

<>≤ ≥
Mayor o igual que…: ≥
Menor que…: <
Menor o igual que…: ≤
Por lo menos: ≥
No más de…: ≤
A lo sumo: ≤
Entre a y b: a ≤ x ≤ b
El tamaño adecuado
El tamaño de una muestra depende de tres factores:

 El nivel de confianza.
 El margen de error admisible.
 La variabilidad de la población que se estudia.
 Error Máximo Admisible:
𝝈
𝒆 = (𝒛𝜶 ) ( ) Donde:
𝟐 √𝒏 𝒛𝜶 : 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎.
𝟐
𝝈: 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟.
 Tamaño de la muestra para estimar la media de la Población Infinita:
𝟐
(𝒛𝜶 ) (𝝈)
𝟐 Donde:
𝒏=[ ]
𝒆 𝒛𝜶 : 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎.
𝟐
𝒆: 𝑒𝑟𝑟𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜 𝑎𝑑𝑚𝑖𝑠𝑖𝑏𝑙𝑒.
 Tamaño de la muestra para estimar la media de la Población Finita:
𝟐
(𝒛𝜶 ) (𝝈𝟐 )(𝑵)
𝟐
𝒏= 𝟐 Donde:
(𝑵 − 𝟏)(𝒆𝟐 ) + (𝒛𝜶 ) (𝝈𝟐 ) 𝒛𝜶 : 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎.
𝟐
𝟐
𝒆: 𝑒𝑟𝑟𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜 𝑎𝑑𝑚𝑖𝑠𝑖𝑏𝑙𝑒.

Fórmulas

Cargado por

Copyright:

Formatos disponibles

Fórmulas

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Fórmulas

Cargado por

Copyright:

Formatos disponibles

Si una variable x se encuentra normalmente distribuida, entonces las estadísticas

tipificadas o estandarizadas están definidas por:

Describe el número de veces que se presenta un evento en un intervalo específico,

La distribución de la probabilidad Normal constituye una buena aproximación de la

 Factor de Corrección de Continuidad.

 Desviación Estándar o Error Estándar.

 Población Infinita  Población Finita

(𝒑)(𝒒) (𝒑)(𝒒) 𝑵−𝒏

La fórmula que se utilizará para el cálculo de Probabilidad de una Distribución

 Desviación Estándar o Error Estándar.

 Población Infinita  Población Finita

Mayor que…: >

El tamaño de una muestra depende de tres factores:

 Error Máximo Admisible:

 Tamaño de la muestra para estimar la media de la Población Infinita:

 Tamaño de la muestra para estimar la media de la Población Finita:

También podría gustarte