FORMULARIO

Distribuciones de probabilidad

El conjunto de pares ordenados ( x , f(x)) es una función de

probabilidad, función masa de probabilidad o distribución de
probabilidad de la variable aleatoria discreta X si, para cada
resultado posible x,

1. f x ( x)  0
2. 0  f ( xi )  1
3. P( X  x )  f x ( x )

Tabla 2.2 Notación que resume el cálculo para encontrar probabilidades.

Interpretación Notación
La probabilidad de que X tome Todos los valores de la variable aleatoria
un valor que es:
Al menos x Son los valores de x o mayores que x P( X  x)
Por lo menos x
Más que x Son los valores mayores que el valor x P( X  x )
A lo más x Son los valores de x o menores que x P( X  x)
Menos de x Son los valores menores que el valor x P( X  x)
Entre x1 y x 2 Son los valores mayores que x1 y menores P( x1  X  x2 )
que x2
Entre x1 y x 2 e inclusive. Inicia con el valor x1 y termina con el valor P( x1  X  x2 )
x 2 incluido su valor.

La Función de Distribución de Probabilidad Acumulada

FX (x)  P( X  x) =  f ( xi ) .
xi x

La función de probabilidad acumulada crece de 0 a 1 como crece

n

x. f
i 1
x ( x)  1
La Media, Valor esperado o Esperanza Matemática de una
variable aleatoria discreta X:

  E ( X )   xf x ( x)
x

La varianza de una variable aleatoria X: ----------------------

 2  V ( X )   ( x  E ( X )) 2 f x ( x)
x
La desviación estándar de una variable aleatoria X: ----------
  DE( X )  V ( X )

Experimento Binomial
 n
f x ( x; p, n)     p x  q n  x , x  0,1,..., n
 x

Parámetros para una variable aleatoria binomial.

Media:   np
Varianza:  2  npq
Desviación estándar:   npq

Variable aleatoria normal estandarizada:

x
z x    z
 o de manera equivalente:
 La aproximación normal a la distribución de probabilidad binomial
  np y   npq
Corrección de continuidad ------------------------------------------------

x  0.5  np
z
npq

Distribuciones Muéstrales

Teoremas sobre la distribución de medias muéstrales.

Si el muestreo se efectúa sin reemplazo o con reemplazo

X = .
El muestreo se efectúa con reemplazo o la muestra es infinita.
2 
a) x 2
X =
n b) n
La desviación estándar de un estadístico usado como estimador de un
parámetro de la población a menudo se llama error estándar del
estimador (SE, por sus siglas en ingles)

El muestreo se efectúa sin reemplazo o la muestra es finita.

2 N n  N n
a)   
2
x
n N 1 b)  X = n N 1

N n
Donde recibe el nombre de factor de corrección de la
N 1
población finita.
Propiedades de la distribución muestral de la proporción, p̂

Si se selecciona una muestra aleatoria de n x

observaciones de una población binomial con pˆ 
parámetro p, entonces la distribución muestral n
de la proporción.
Tendrá una media
 pˆ  p
Si el muestreo es con reemplazo o la muestra
pq
es infinita, entonces la desviación estándar es:
 pˆ 
Cuando el tamaño de la muestra n es grande, la
n
distribución muestral de p̂ se puede aproximar
donde
q  1 p
mediante una distribución normal. La
aproximación será adecuada si np >5 y nq >
5.
Si el muestreo se realiza sin reemplazo o la pq N n
población es finita de tamaño N  pˆ  
n N 1

¿Cómo calcular las probabilidades para la media de la muestra x ?

Si se conoce que la distribución muestral de x es normal o

aproximadamente normal, se puede describir el comportamiento de la
media x al cual la probabilidad de observar ciertos valores de x en el
muestreo repetido.
1. Se localiza  y se calcula  X
2. Se describe el evento de interés en términos de x , se localiza el área
apropiada en la curva normal.
3. Se convierten los valores necesarios de x a valores de z por medio
x
z
de : X

Con reemplazo Sin reemplazo

x z
x
z  N n

n n N 1
 4. Utilizar la tabla I del apéndice I para calcular la probabilidad.

¿Cómo calcular las probabilidades para la proporción muestral p̂ ?

1. Localizar los valores necesarios de n y p.

2. Comprobar si la aproximación normal a la distribución binomial
( np  5 y nq  5 ) es apropiada.
3. Describir el evento de interés en función de p̂ y localizar el área
apropiada bajo la curva normal.
4. Convertir los valores necesarios de p̂ a valores de z mediante
pˆ  p
z
 pˆ
Con reemplazo Sin reemplazo

pˆ  p z
pˆ  p
z
pq pq N n
n n N 1

5. Usar la tabla I del apéndice I para calcular la probabilidad.

6. Cuando se usa la distribución normal para aproximar las

probabilidades binomiales asociadas con x, se aplica una corrección
de  0.5 para mejorar la aproximación. La corrección equivalente es

 n
 0.5

Estimación

¿Cómo se estima una media o proporción poblacional?

 Para estimar la media poblacional  , en el caso de una población
cuantitativa, el estimador puntual x es insesgado con error estándar
dado por

x 
n
  
El margen de error se calcula como  1.96 
 n

 Para estimar la proporción poblacional p en el caso de una población

binomial, el estimador puntual pˆ  x es insesgado con error

n
estándar dado como
pq pq
x  El margen de error se calcula como  1.96
n n
pˆ qˆ
Y se estima como  1.96
n
Supuestos: np  5 y nq  5 . Puesto que se desconocen los
valores de p y q, usar npˆ  5 y nqˆ  5

Intervalo de confianza de  ; con  conocida.

Si x es la media de una muestra aleatoria de tamaño n de una

población con varianza  2 , conocida, un intervalo de confianza
1   100% para  esta dado por
   
P X  z    X  z   1  
 2 n 2 n
Donde z es el valor z que deja un área de  2 a la derecha.
2
  Z 
2

n 2 
Determinar el tamaño de
muestra.  e 
 
El tamaño de muestra se determina Z
 es el valor de la distribución
despejando n de la fórmula del 2
margen de error, esto es: normal que corresponde al
nivel de confianza deseado.
 Desviación estándar
e Margen de error permisible.

Intervalo de confianza de 1   100% para una proporción poblacional

p en una muestra grande.

Si el muestreo se realiza en una población pq

infinita y con reemplazo, los limites de pˆ  z
confianza son. 2 n

Si la toma de muestras se hace sin pq N n

reemplazo de una población de tamaño pˆ  z
finito.
2 n N 1

z 
Donde 2 es el valor de z que corresponde a un área en la cola 2
derecha de una distribución normal estándar de z. Puesto que se
desconocen p y q, se estiman por medio de los mejores estimadores
puntuales: p̂ y q̂ . Se considera que el tamaño de la muestra es grande
cuando la aproximación normal a la distribución binomial es adecuada; a
saber, cuando np > 5 y nq > 5.

Determinar el tamaño de muestra.

 Z 2 pˆ qˆ 
Si p̂ se utiliza como estimación de p, podemos tener  
n   22 
una confianza del 1   100% de que el error será menor  e 
que una cantidad específica e cuando el tamaño de la  
muestra es aproximadamente.
Prueba de Hipótesis

Probabilidad con que ocurren las decisiones.

Decisión incorrecta Tipo Probabilidad Decisión correcta Tipo Probabilidad

I  No se rechaza una A 1
Se rechaza una H 0
verdadera H0 verdadera
No se rechaza una II  H0 B 1 
Se rechaza una
H0 falsa falsa

Las tres afirmaciones Hipótesis nula Hipótesis alternativa

1. mayor que o igual a (  ) 1. menor que (<)
de las hipótesis nula y 2.menor que o igual a (  ) 2. mayor que (>)
alternativa 3. igual a ( = ) 3. no es igual a (  )

Signo en la hipótesis <  >

alternativa
Región crítica Una región lado Dos regiones Una región
izquierdo La mitad a cada lado Lado derecho
prueba de una cola Prueba de dos colas Prueba de una cola.

H 0 :(  ) H a :(<) H 0 :(  ) H a :(>) H 0 :(=) H a :(  )

Por lo menos Menor que Cuando mucho Más que Es No es

No es menor que Menor que No más de Más que No es diferente de Diferente de
No es menor que Menor que No es mayor que Mayor que Es igual a No es igual a

Prueba estadística para p en una muestra grande

1.Hipótesis nula: H 0 : p  p0

2. Hipótesis alternativa
Prueba de una cola Prueba de dos colas

H a : p  p0 o H a : p  p0
bien, H a : p  p0
 pˆ  p 0 pˆ  p 0 x
z  pˆ 
3. Estadístico de prueba  pˆ p0 q0 con n
n
Donde x es el número de éxitos en n ensayos binomiales.

4. Región de rechazo: rechace H 0 cuando

Prueba de una cola Prueba de dos colas

z  z z  z 2 z  z 2
o bien
(o bien z   z cuando la hipótesis

alternativa es H a : p  p0 )

O cuando el valor p< 