Professional Documents
Culture Documents
Diseadores(as) curriculares:
Marcos Vsquez
Expertos(as) de contenidos:
Marcos Vsquez
Migdalys Marcano
NDICE
PRESENTACIN.................................................................................................................................... 4
Propsito ......................................................................................................................................... 5
Objetivos Especficos ....................................................................................................................... 5
Relacin de Temas de la Unidad Curricular .................................................................................... 5
ENCUENTRO 1: NOCIONES DE PROBABILIDAD ................................................................................... 6
Orientaciones generales para el desarrollo del encuentro:............................................................ 6
Actividad 1. Las probabilidades en nuestro quehacer diario. ......................................................... 7
Actividad 2. Lectura: Introduccin a la probabilidad ...................................................................... 8
Actividad 3. Calculando probabilidad............................................................................................ 30
Actividad 4. Resolviendo problemas de probabilidad................................................................... 32
Actividad final del encuentro ........................................................................................................ 34
ENCUENTRO DIDCTICO 2: ESTIMACIN DE PARMETROS............................................................. 37
Orientaciones generales para el desarrollo del encuentro:.......................................................... 37
Actividad 1. Lectura: Estimando Parmetros en la Funcin de los rganos de seguridad
ciudadana ...................................................................................................................................... 38
Actividad 2. Construyendo problemas de estimacin de parmetros.......................................... 49
Actividad 3. Estimando parmetros en la prctica. ...................................................................... 51
Actividad final del encuentro ........................................................................................................ 51
ENCUENTRO DIDCTICO 3: PRUEBAS DE HIPTESIS ........................................................................ 54
Orientaciones generales para el desarrollo del encuentro:.......................................................... 54
Actividad 1. Planteando hiptesis y los rganos de seguridad ciudadana. .................................. 55
Actividad 2. Lectura: Pruebas de Hiptesis ................................................................................... 56
Actividad 3. Realizando pruebas de hiptesis. .............................................................................. 64
Actividad final del encuentro ........................................................................................................ 65
BIBLIOGRAFA .................................................................................................................................... 68
PRESENTACIN
__________________________________________________________________
_______________________________________________________________
2.
__________________________________________________________________
__________________________________________________________________
3.
Cmo las probabilidades podran ser una herramienta til en tu rol como
funcionario o funcionaria de seguridad ciudadana?
________________________________________________________________
__________________________________________________________________
__________________________________________________________________
Actividad 2. Lectura: Introduccin a la probabilidad
Leamos con atencin!
En la vida cotidiana aparecen muchas situaciones en las que los resultados
observados son diferentes, aunque las condiciones iniciales en las que se produce
la experiencia sean las mismas. Por ejemplo, al lanzar una moneda unas veces
resultar cara y otras veces sello. Estos fenmenos, denominados aleatorios, se
ven afectados por la incertidumbre.
En el lenguaje habitual, frases como "probablemente...", "es poco probable
que...", "hay muchas posibilidades de que..." hacen referencia a esta
incertidumbre.
La teora de la probabilidad pretende ser una herramienta para modelizar y
tratar con situaciones de este tipo; por otra parte, cuando aplicamos las tcnicas
estadsticas a la recogida, anlisis e interpretacin de los datos, la teora de la
probabilidad proporciona una base para evaluar la fiabilidad de las conclusiones
alcanzadas y las inferencias realizadas.
Probabilidad
La probabilidad es la posibilidad numrica de que ocurra un evento. La
probabilidad de un evento es medida por valores comprendidos entre 0 y 1. Entre
mayor sea la probabilidad de que ocurra un evento, su probabilidad asigna estar
ms prxima a 1. La probabilidad de certeza es 1. La probabilidad de una
imposibilidad
(
es
0.
Esto
se
podra
expresar
)
(
Por tanto,
)
( )
Recordando:
este smbolo
representa
menor o igual
que.
as:
En donde
es algn evento.
Recordemos: este
smbolo representa la
sumatoria de diversos
elementos
forma: ( )
Por ejemplo, cul es la probabilidad de que salga un nmero menor a 3 al
lanzar un dado?; que caiga un nmero menor a 3 significa un 1 o un 2 y como la
cantidad de resultados posibles es 6 (El nmero de lados de un dado), entonces el
nuestra probabilidad seria:
(
Vemos que el espacio muestral no tiene por qu ser un conjunto finito. Como en
este caso el resultado puede ser cualquier nmero real positivo, E tiene infinitos
elementos.
3.
Vemos que los resultados posibles del experimento, es decir, los elementos del
espacio muestral, no tienen necesariamente por qu ser nmeros. En este caso
son letras.
4.
si
tira nuevamente.
Evento
Un evento (tambin llamado suceso) del espacio muestral es un subconjunto
de ste. Algunos ejemplos pueden ser:
1.
{1}
2.
{6}
3.
{3, 4}
4.
{4, 5, 6}
5.
{1, 3, 5}
6.
{2, 4, 6}
Tambin podemos expresar estos subconjuntos por comprensin:
1.
2.
3.
1.
{}
Dicho evento es conocido como "evento nulo", " evento falso" o " evento
{1, 2, 3, 4, 5, 6}
Este subconjunto del espacio muestral es exactamente el espacio muestral
No olvides
que
simboliza
el conjunto de
los nmeros
reales.
{15}
2.
{14.2}
3.
{17.3333333...}
4.
5.
1.
2.
El espacio muestral es
3.
El evento A es
Vemos que
Conjuntos
Como los eventos son conjuntos, operar con eventos es operar con conjuntos.
1.
Interseccin de conjuntos
Dados dos conjuntos A y B,
Ejemplo:
Se tira un dado, y se definen los eventos:
A: que salga menos de 4
B: que salga ms de 2
Con lo cual queda:
2.
disjuntos
Ejemplo:
Se tira un dado, y se definen los sucesos:
A: que salga 1 2
B: que salga ms de 4
Con lo cual queda:
3.
Unin de conjuntos
Dados dos conjuntos A y B,
B, o los dos simultneamente. Se puede llamar "A unin B" o bien "A B".
Recordemos:
ste smbolo
significa vacio .
Ejemplo:
Se tira un dado, y se definen los sucesos:
A: que salga menos de 4
B: que salga 2 6
Con lo cual queda:
4.
o bien y se
Ejemplo:
Si arrojo un dado, y el conjunto A es que salga un 4, entonces el conjunto
es
Observamos que:
1.
2.
As como A es un subconjunto de E,
tambin es un subconjunto de E.
, es decir, la unin de A y
)
( )
Probabilidad en conjuntos
Antes de ver algunas probabilidades para conjuntos, definamos de forma
axiomtica la funcin de probabilidad. Sea E un espacio muestral, y A un evento
cualquiera, se llama funcin de probabilidad sobre el espacio muestral E a P(A)
si satisface los siguientes axiomas:
1.
( )
2.
( )
3.
Si A y B son subconjuntos de E y
entonces (
( )
( )
( )
( )
)
) entonces la
) ( )
) ( )
Teorema de Bayes
Thomas
Bayes,
Matemtico
britnico, quien
estudi
problemas sobre
la determinacin
de la probabilidad
, entonces
( ) (
)
( ) (
)
. Se desea determinar
).
As por el teorema de Bayes tenemos:
(
(
)
) (
(
)(
)
) (
)
( ) (
)(
) (
)
)(
Vamos a llamar variable aleatoria a una variable cuyo valor sera el resultado de
un determinado experimento, si lo hiciramos. Por ejemplo, si el experimento
consiste en arrojar un dado, podemos definir la variable aleatoria X cuyo valor ser
el nmero que salga en el dado. El conjunto de valores posibles de X es el espacio
muestral. Y en general nos interesar cul es la probabilidad de que X asuma
cada valor.
Usaremos variables porque nos permiten operar y mostrar determinadas
conclusiones.
Para el caso del dado, podemos escribir "la probabilidad de que al tirar el dado
salga un nmero mayor que 3" simplemente como P(X > 3), habiendo antes
definido X como el nmero que saldra si tirramos el dado.
Recordemos
que este
smbolo se lee
para todo
Combinatoria
El clculo combinatorio es una herramienta matemtica que, dada una
determinada cantidad de elementos, permite calcular de cuntas formas posibles
podemos tomar una parte de ellos y/u ordenarlos.
Por ejemplo, si tenemos un mazo de 52 cartas, y un jugador recibe 5 cartas de
ese mazo, nos puede interesar calcular cuntas manos distintas podra recibir. Es
decir, cuntas "combinaciones" se pueden formar con 5 cartas tomadas de entre
52.
Veamos cada modelo de calcular las combinatorias:
Permutacin
Se tienen n elementos, y se desea ver de cuntas formas se los puede ordenar.
Es decir, los elementos son siempre los mismos, y cada forma posible slo difiere
de las dems en el orden en que se toman los elementos.
Frmula:
Donde n es la cantidad de elementos a ordenar
Ejemplo:
De cuntas formas se pueden ordenar los elementos {a,b,c}?
Variacin
Es como la permutacin, pero no se usan los n elementos sino que se usan
solamente k de ellos. Entonces habr que tener en cuenta no solamente el orden,
sino cules de los n elementos se eligen (naturaleza).
Frmula:
Combinacin
Antes de
continuar comenta
con una palabra
que te parece la
lectura:
__________
______
Variables aleatorias discretas y continuas
Comparemos ahora el ejemplo del dado con este otro: haremos el experimento
de elegir una naranja al azar en una verdulera, y llamaremos Y al peso de la
naranja elegida. Si pensamos en los valores posibles que puede tomar la variable
aleatoria Y, veremos que no solamente son infinitos, sino que adems, dado un
valor posible no hay un "siguiente" porque entre cualquier valor y aquel al que
considerramos su "siguiente" hay infinitos valores posibles. La variable aleatoria
X es discreta. La variable aleatoria Y es continua.
2.
Resolucin:
a) Discreta. La cantidad de resultados es finita.
b) Discreta. La cantidad de resultados es finita.
c) Discreta. Aunque la cantidad de resultados es infinita, porque no hay un valor
mximo posible, es numerable, porque los resultados se pueden enumerar. Otra
forma de ver que es discreta: todos los resultados son puntos aislados.
d) Continua. La cantidad de resultados es infinita y no numerable (no podemos
enumerar todos los resultados). Otra forma de ver que es continua: los resultados
no son puntos aislados, sino que forman un continuo (por ejemplo, un segmento
de recta).
e) Continua. La cantidad de resultados es infinita y no numerable (no podemos
enumerar todos los resultados).
f) Discreta. La cantidad de resultados es finita. Observemos que las variables
que no son numricas por lo general son discretas.
g) Puede ser discreta o continua. Si tomamos la edad como la cantidad entera
de aos que ha vivido la persona, entonces es discreta. Si tomamos la edad como
un nmero real de aos que ha vivido la persona (ejemplo: 5,37 aos) entonces es
continua.
Distribucin de probabilidad
Una variable aleatoria tal que todos sus valores posibles son equiprobables es
un caso muy particular. En general, cada uno de los valores posibles puede tener
distinta probabilidad. Por eso nos interesa estudiar cmo se distribuyen las
probabilidades en los distintos valores posibles de la variable.
Al conjunto de valores posibles, y la relacin entre ellos y sus respectivas
probabilidades, se lo conoce como distribucin de probabilidad.
Notemos que:
( )
( )
Bernoulli
Daniel
Bernoulli,
matemtico,
fsico,
estadstico y
mdico
holandssuizo.
Distribucin:
"Cul es la probabilidad de obtener x xitos en n intentos?"
Si
( )
{
Simon Denis
Poisson
Poisson, fsico y
matemtico
francs, al que se
le conoce por sus
trabajos en el
campo de la
electricidad y
estadstica.
(longitud del
Como
es la cantidad esperada de
eventos por unidad de tiempo, entonces m resulta ser la media. Es decir que esta
distribucin tiene la caracterstica de que su media resulta valer directamente lo
mismo que valga el parmetro .
Si
( )
e intensidad . Entonces:
(
Normal
Cuando la funcin de densidad es la siguiente:
( )
matemtico, astrnomo y
fsico alemn que contribuyo
a la teora de nmeros,
anlisis matemtico,
estadstica, entre otros.
A diferencia de todas las distribuciones que vimos anteriormente, es nonula para todos los nmeros reales.
2.
Tiene 2 parmetros,
El parmetro
y .
de la distribucin.
El parmetro
tiene una
Cuando
demostrar que si
aleatoria
Es decir:
, entonces,
(
mediante un simple cambio de variables. Esto nos permite, dada cualquier variable
aleatoria normal, encontrar una variable aleatoria normal estndar, que es la que
encontraremos en las tablas.
Teorema central del lmite
Si
y desviacin estndar
tiene una
Si
, la distribucin de
Si
, la distribucin de
distribucin de las
si es simtrica).
3.
Si la distribucin de las
es normal, la distribucin de
es normal sin
importar el valor de n.
Actividad 3. Calculando probabilidad.
Las probabilidades permiten modelar situaciones aleatorias de nuestra vida.
stas reflejan un nmero que indica la posibilidad de que suceda o no un evento.
Con esto se puede comprender mejor lo que est sucediendo y hasta predecir
posibles sucesos futuros. Por ello, te invitamos a realizar la siguiente actividad en
la cual es necesario calcular la probabilidad de eventos de nuestro quehacer.
Resolvamos los siguientes planteamientos:
Si se
por
32 funcionarios y 18
e. Estado civil.
f. Problema de la comunidad que ms le afecta.
Elabora una tabla de frecuencias con los datos recogidos. Esta encuesta nos
permite caracterizar la poblacin de una determinada regin. Calcula los
porcentajes de los renglones: mes de nacimiento, edad, sexo, estado civil y
problema de la comunidad que ms le afecta, y determina las siguientes
probabilidades:
a) Al seleccionar una encuesta al azar sta tenga una edad menor a 25 aos.
b) Al seleccionar una encuesta al azar sta sea soltera o soltero.
c) Selecciona uno de los problemas de las comunidades y calcula la
probabilidad de que se escoja ese problema al seleccionar dos encuestas al azar.
d) Al seleccionar una encuesta al azar sta tenga una edad entre 20 y 30 aos
y sea mujer.
e) Al seleccionar tres encuestas al azar la probabilidad de que alguna tenga
mes de nacimiento enero
f) Al seleccionar una encuesta al azar sta est casada, dado que tiene una
edad mayor a 25 aos.
Redacta tus conclusiones sobre la poblacin estudiada basndote en las
probabilidades y porcentajes calculados. Haz nfasis en la problemtica de la
comunidad.
________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
____________
b. ( )
, (
y (
, hallar:
c. (
Clave de correccin:
1.
a. Calculamos ( ). Si ()
()
, por tanto
( ),
Entonces, ( )
b.
()
, entonces ( )
Calculamos
( ).
Aplicamos (
( )
( )
).
) ( )
c. Calculemos
), sustituimos p(A)=
). Apliquemos p(A/B)=
)
( )
)
(
Finalmente,
,
)
3. Ntese que no importa el orden en que se sienten las personas, ya que los
cuatro sitios son diferentes, y que una persona no puede ocupar ms de un sitio a
la vez. Por lo tanto, hay
Maneras.
brindarnos herramientas que nos permitan elaborar un informe completo sobre las
situaciones de una determinada poblacin.
Para culminar el encuentro, presentamos una actividad final donde debers
utilizar todo lo aprendido, consta de ejercicios con distintos niveles de complejidad.
Al final, encontraras una clave de respuestas que te permitir evaluar tus avances.
Iniciemos nuestro recorrido con la mejor disposicin para aprender y as
enriquecer nuestra funcin policial.
Muestreo no probabilstico
En estas tcnicas no se utiliza el muestreo al azar, sino que la muestra se
obtiene atendiendo al criterio o criterios del investigador o bien por razones de
economa, comodidad, etc. Consecuentemente, estas tcnicas no utilizan el
criterio de equiprobabilidad, sino que siguen otros criterios, procurando que la
muestra obtenida sea lo ms representativa posible. Estas muestras, al no utilizar
el muestreo al azar, no tienen la garanta de las muestras probabilsticas, pero en
la prctica son a menudo necesarias e inevitables, en opinin de Kerlinger (1975).
Dentro de este tipo de muestreo se suele distinguir entre muestreo accidental e
intencional o deliberado.
Muestreo Accidental o No Casual
Este tipo de muestreo se caracteriza por utilizar las muestras que tiene a su
alcance. Se denominan accidentales porque no responden a una planificacin
previa en cuanto a los sujetos a elegir. De hecho, toma las muestras disponibles
sin introducir seleccin o modificacin alguna. Por ejemplo, empresas, centros
completos, cursos o grupos dentro de un nivel, etc.
Muestreo intencional
En esta tcnica, el investigador selecciona de modo directo los elementos de la
muestra que desea participen en su estudio. Se eligen los individuos o elementos
que se estima que son representativos o tpicos de la poblacin. Se sigue un
criterio establecido por el experto o investigador. Se suelen seleccionar los sujetos
que se estima que pueden facilitar la informacin necesaria.
Intervalos de confianza
Se llama as a un intervalo en el que sabemos que est un parmetro, con un
nivel de confianza especfico.
Poblacin
Desviacin
Desviacin
poblacional conocida
Normal
No normal
Debemos
poblacional desconocido
(
pedir
Debemos
pedir
Recordemos
que el smbolo
quiere decir que se
deben calcular dos
Donde:
1.
2.
es el promedio muestral.
es el tamao de la muestra.
3.
es el desvo poblacional.
4.
5.
6.
7.
Ejemplos:
1) La cantidad de horas que diversos oficiales patrullan en una determinada
zona es una variable aleatoria normal, cuya media se desea estimar, para lo cual
se toma una muestra de 9 das, con las siguientes duraciones en horas, resultan:
6.3, 6.8, 7.3, 5.4, 8.1, 7.9, 6.9, 6.2, 8.3.
Se pide, calcular el intervalo del 95% de confianza para estimar la media.
Solucin:
Como no conocemos el desvo poblacional, usaremos
El tamao de la muestra es n = 9.
Vamos a necesitar calcular y .
).
Errores de estimacin
El error de la estimacin viene dado por las siguientes formulas:
Poblacin
Desviacin
poblacional
conocida
)
No normal
poblacional
desconocido
(
Normal
Desviacin
Debemos pedir
Debemos pedir
Ejemplo:
En nuestro problema anterior el error viene dado por:
(
Tamao de la muestra
El tamao de la muestra est dado por el nmero de sujetos que componen
la muestra extrada de una poblacin.
Desviacin
poblacional
conocida
(
No normal
(
)
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
1,1
1,2
0
0,5
0,53
983
0,57
926
0,61
791
0,65
542
0,69
146
0,72
575
0,75
804
0,78
814
0,81
594
0,84
134
0,86
433
0,88
0,01
0,50
399
0,54
38
0,58
317
0,62
172
0,65
91
0,69
497
0,72
907
0,76
115
0,79
103
0,81
859
0,84
375
0,86
65
0,88
0,02
0,50
798
0,54
776
0,58
706
0,62
552
0,66
276
0,69
847
0,73
237
0,76
424
0,79
389
0,82
121
0,84
614
0,86
864
0,88
0,03
0,51
197
0,55
172
0,59
095
0,62
93
0,66
64
0,70
194
0,73
565
0,76
73
0,79
673
0,82
381
0,84
849
0,87
076
0,89
(
)
Debemos pedir
nor
mal
poblacional
desconocido
Normal
Tablas de la normal
Desviacin
Debemos pedir
0,04
0,51
595
0,55
567
0,59
483
0,63
307
0,67
003
0,70
54
0,73
891
0,77
035
0,79
955
0,82
639
0,85
083
0,87
286
0,89
0,05
0,51
994
0,55
962
0,59
871
0,63
683
0,67
364
0,70
884
0,74
215
0,77
337
0,80
234
0,82
894
0,85
314
0,87
493
0,89
0,06
0,52
392
0,56
356
0,60
257
0,64
058
0,67
724
0,71
226
0,74
537
0,77
637
0,80
511
0,83
147
0,85
543
0,87
698
0,89
0,07
0,52
79
0,56
749
0,60
642
0,64
431
0,68
082
0,71
566
0,74
857
0,77
935
0,80
785
0,83
398
0,85
769
0,87
9
0,89
0,08
0,53
188
0,57
142
0,61
026
0,64
803
0,68
439
0,71
904
0,75
175
0,78
23
0,81
057
0,83
646
0,85
993
0,88
1
0,89
0,09
0,53
586
0,57
535
0,61
409
0,65
173
0,68
793
0,72
24
0,75
49
0,78
524
0,81
327
0,83
891
0,86
214
0,88
298
0,90
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
493
0,90
32
0,91
924
0,93
319
0,94
52
0,95
543
0,96
407
0,97
128
0,97
725
0,98
214
0,98
61
0,98
928
0,99
18
0,99
379
0,99
534
0,99
653
0,99
744
0,99
813
0,99
865
0,99
903
0,99
931
0,99
952
0,99
966
0,99
977
0,99
984
0,99
989
0,99
993
0,99
995
686
0,90
49
0,92
073
0,93
448
0,94
63
0,95
637
0,96
485
0,97
193
0,97
778
0,98
257
0,98
645
0,98
956
0,99
202
0,99
396
0,99
547
0,99
664
0,99
752
0,99
819
0,99
869
0,99
906
0,99
934
0,99
953
0,99
968
0,99
978
0,99
985
0,99
99
0,99
993
0,99
995
877
0,90
658
0,92
22
0,93
574
0,94
738
0,95
728
0,96
562
0,97
257
0,97
831
0,98
3
0,98
679
0,98
983
0,99
224
0,99
413
0,99
56
0,99
674
0,99
76
0,99
825
0,99
874
0,99
91
0,99
936
0,99
955
0,99
969
0,99
978
0,99
985
0,99
99
0,99
993
0,99
996
065
0,90
824
0,92
364
0,93
699
0,94
845
0,95
818
0,96
638
0,97
32
0,97
882
0,98
341
0,98
713
0,99
01
0,99
245
0,99
43
0,99
573
0,99
683
0,99
767
0,99
831
0,99
878
0,99
913
0,99
938
0,99
957
0,99
97
0,99
979
0,99
986
0,99
99
0,99
994
0,99
996
251
0,90
988
0,92
507
0,93
822
0,94
95
0,95
907
0,96
712
0,97
381
0,97
932
0,98
382
0,98
745
0,99
036
0,99
266
0,99
446
0,99
585
0,99
693
0,99
774
0,99
836
0,99
882
0,99
916
0,99
94
0,99
958
0,99
971
0,99
98
0,99
986
0,99
991
0,99
994
0,99
996
435
0,91
149
0,92
647
0,93
943
0,95
053
0,95
994
0,96
784
0,97
441
0,97
982
0,98
422
0,98
778
0,99
061
0,99
286
0,99
461
0,99
598
0,99
702
0,99
781
0,99
841
0,99
886
0,99
918
0,99
942
0,99
96
0,99
972
0,99
981
0,99
987
0,99
991
0,99
994
0,99
996
617
0,91
308
0,92
785
0,94
062
0,95
154
0,96
08
0,96
856
0,97
5
0,98
03
0,98
461
0,98
809
0,99
086
0,99
305
0,99
477
0,99
609
0,99
711
0,99
788
0,99
846
0,99
889
0,99
921
0,99
944
0,99
961
0,99
973
0,99
981
0,99
987
0,99
992
0,99
994
0,99
996
796
0,91
466
0,92
922
0,94
179
0,95
254
0,96
164
0,96
926
0,97
558
0,98
077
0,98
5
0,98
84
0,99
111
0,99
324
0,99
492
0,99
621
0,99
72
0,99
795
0,99
851
0,99
893
0,99
924
0,99
946
0,99
962
0,99
974
0,99
982
0,99
988
0,99
992
0,99
995
0,99
996
973
0,91
621
0,93
056
0,94
295
0,95
352
0,96
246
0,96
995
0,97
615
0,98
124
0,98
537
0,98
87
0,99
134
0,99
343
0,99
506
0,99
632
0,99
728
0,99
801
0,99
856
0,99
896
0,99
926
0,99
948
0,99
964
0,99
975
0,99
983
0,99
988
0,99
992
0,99
995
0,99
997
147
0,91
774
0,93
189
0,94
408
0,95
449
0,96
327
0,97
062
0,97
67
0,98
169
0,98
574
0,98
899
0,99
158
0,99
361
0,99
52
0,99
643
0,99
736
0,99
807
0,99
861
0,99
9
0,99
929
0,99
95
0,99
965
0,99
976
0,99
983
0,99
989
0,99
992
0,99
995
0,99
997
0,99
997
0,99
997
0,99
997
0,99
997
0,99
997
0,99
997
0,99
998
0,99
998
0,99
998
0,99
998
Por ejemplo:
Tablas de la t-Student
0.75
0.80
0.85
0.90
0.95
0.97
0.99
5
1
10
1.000
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.99
5
1.37
1.96
3.07
6.31
12.70
31.82
63.65
1.06
1.38
1.88
2.92
4.30
6.96
9.92
0.97
1.25
1.63
2.35
3.18
4.54
5.84
0.94
1.19
1.53
2.13
2.77
3.74
4.60
0.92
1.15
1.47
2.01
2.57
3.36
4.03
0.90
1.13
1.44
1.94
2.44
3.14
3.70
0.89
1.11
1.41
1.89
2.36
2.99
3.49
0.88
1.10
1.39
1.86
2.30
2.89
3.35
0.88
1.10
1.38
1.83
2.26
2.82
3.25
0.87
1.09
1.37
1.81
2.22
2.76
3.16
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
0.697
0.695
0.694
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683
0.87
1.08
1.36
1.79
2.20
2.71
3.10
0.87
1.08
1.35
1.78
2.17
2.68
3.05
0.87
1.07
1.35
1.77
2.16
2.65
3.01
0.86
1.07
1.34
1.76
2.14
2.62
2.97
0.86
1.07
1.34
1.75
2.13
2.60
2.94
0.86
1.07
1.33
1.74
2.12
2.58
2.92
0.86
1.06
1.33
1.74
2.11
2.56
2.89
0.86
1.06
1.33
1.73
2.10
2.55
2.87
0.86
1.06
1.32
1.72
2.09
2.53
2.86
0.86
1.06
1.32
1.72
2.08
2.52
2.84
0.85
1.06
1.32
1.72
2.08
2.51
2.83
0.85
1.06
1.32
1.71
2.07
2.50
2.81
0.85
1.06
1.31
1.71
2.06
2.50
2.80
0.85
1.05
1.31
1.71
2.06
2.49
2.79
0.85
1.05
1.31
1.70
2.06
2.48
2.78
0.85
1.05
1.31
1.70
2.05
2.47
2.77
0.85
1.05
1.31
1.70
2.05
2.47
2.77
0.85
1.05
1.31
1.70
2.04
2.46
2.76
29
30
40
60
120
0.683
0.683
0.681
0.679
0.677
0.674
0.85
1.05
1.31
1.69
2.04
2.46
2.75
0.85
1.05
1.31
1.69
2.04
2.45
2.75
0.85
1.05
1.30
1.68
2.02
2.42
2.70
0.84
1.04
1.29
1.67
2.00
2.39
2.66
0.84
1.04
1.28
1.65
1.98
2.35
2.61
0.84
1.03
1.28
1.64
1.96
2.32
2.57
Por ejemplo:
Muy bien!
Ya avanzamos en el
empoderamiento de saberes sobre la
estimacin de parmetros. Ahora
practiquemos lo aprendido
Actividad 2. Construyendo problemas de estimacin de parmetros.
Apreciados y apreciadas estudiantes!
La estimacin de parmetros es una herramienta muy til dentro de las
estadsticas, ya que nos permite caracterizar o describir de forma aproximada una
poblacin que desconocemos en su mayora. En la funcin de los rganos de
seguridad ciudadana, sta permite comprender diversas situaciones a partir de
una pequea muestra. Por ello, te invitamos a realizar la siguiente actividad que
tiene como propsito desarrollar un pensamiento analtico con el cual las y los
estudiantes lleven a cabo estudios estadsticos vinculados al ejercicio de sus
funciones.
La actividad a realizar es la siguiente:
1.
2.
3.
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
2.
3.
4.
1. Sea la poblacin de elementos: {22, 24, 26}. Suponga que esta poblacin
representa el nmero de armas incautadas en los ltimos tres meses en un recinto
carcelario.
a. Escriba todas las muestras posibles de tamao dos, escogidas
mediante muestreo aleatorio simple.
108
97
112
99
106
105
100
99
98
104
110
107
111
103
Suponiendo que los precios de este producto se distribuyen segn una ley
normal de varianza 25 y media desconocida:
4.
110
Clave de correccin
1.
a.
b. La varianza de la poblacin es:
.
2.
a.
)=
)=
).
Luego
Buscamos el valor 0.975 en la tabla de la normal nos encontramos con 0,97615
que es su mayor aproximacin, la cual se encuentra en la casilla 1,9 y 0.06. Por lo
tanto:
= 1.96+0.06= 1.96.
y,
________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
) .
c) Decidir qu discrepancia consideramos inadmisibles con
, es decir, a partir
5.
Tomar la muestra.
6.
7.
8.
Tomar la decisin: Si
es pequea, aceptar
, si es lo suficientemente
Es por ello que necesitamos establecer una Regla de Decisin mediante la cual
sea especificada:
a) La medida de discrepancia.
b) Un criterio que nos permita juzgar qu discrepancias son demasiado
grandes
Veamos entonces:
a) Medidas de discrepancias:
Es natural considerar medidas de discrepancias del tipo:
|
Recordemos
que el smbolo ||
representa al
valor absoluto
no es
y otra de rechazo.
destacar que mientras ms alto sea el nivel de significancia que se utiliza para
robar una hiptesis, mayor ser la probabilidad de rechazar una hiptesis nula
cuando es cierta.
Regin de Rechazo:
Una vez fijado
de probabilidad de
conocida elegiremos
) cuando
,si
tengan
es cierta.
y la de no rechazo ser por consiguiente:
Tipos de errores
Cuando se decide sobre el rechazo de una hiptesis se pueden cometer dos
equivocaciones.
9.
10.
diferente para cada valor verdadero que pueda tomar . Ahora bien,
hipotetizado,
nos
llevar
rechazar
la
hiptesis
nula.
Grficamente:
hipotetizado,
Grficamente:
nos
llevar
rechazar
la
hiptesis
nula.
Pasos Generales
1) Identificar si el parmetro de inters es
conocida
desconocida
):
Veamos un ejemplo:
grs.,
, adems
.
2. Hiptesis:
grs.
1000 grs.
3. Estadstico de Prueba:
4 .Percentil:
o como n > 30
5. Justificacin y decisin:
58.68>1.96 por lo tanto se rechaza
754
345
980
834
456
672
1056
Clave de correccin
1.
Ahora apliquemos la ecuacin:
Conclusin: como
Calculemos el estimador:
BIBLIOGRAFA