Cuestionario mtodos estadsticos

1. POBLACIN:
Es el conjunto total de elementos que poseen una caracterstica de inters a estudiar. Delimitar (poblacin
objetivo).
2. POBLACIN FINITA:
Est integrada por elementos que se pueden contar
3. POBLACIN INFINITA:
Total de elementos que no se puede determinar (o que a nivel prctico es imposible alcanzar el ultimo)
4. MUESTRA:
Es una parte de la poblacin, que nos permite realizar generalizaciones (inferencias)
5. PARMETRO:
Es el Valor o medida estadstica que se calcula para toda la poblacin. (Estima)
6. ESTIMADOR ESTADSTICO:
Es el Valor o medida estadstica que se calcula para la muestra.
7. ESTIMA: Trata de aproximarse, se aproxima.
8. MUESTRO ESTADSTICO:
Es un enfoque sistemtico para seleccionar algunos elementos (muestra) de un grupo total de datos
(poblacin) a fin de hacer algunas inferencias.
9. MARCO DE MUESTREO:
Es la lista de todos los elementos de la poblacin de donde se puede obtener todas las unidades de
muestro.
10. QU VENTAJAS TIENE LA REALIZACIN DE MUESTREO:
Costos reducidos
Mayor rapidez
Mayor alcance
Mayor exactitud
Posible realizar procesos autodestructivos
11. TIPOS O ESQUEMAS DE MUESTREO:
1). Muestreo simple aleatorio, (con reemplazo) (sin reemplazo)
2). Muestreo sistemtico
3). Muestreo estratificado, (asignacin)
4). Muestreo por conglomerados
12. MUESTREO SIMPLE ALEATORIO:
Se refiere al esquema de muestreo en el cual todos y cada uno de los elementos que integran a la
poblacin, tienen la misma oportunidad de ser seleccionados para confirmar la muestra, de manera que la
seleccin se realiza completamente al azar.
13. MUESTREO CON REEMPLAZO:
Consiste en que hay un momento de seleccionar un elemento de la poblacin, y obtener la informacin de
l, se devuelven de nuevo a la poblacin de manera que podra ser seleccionado ms de una vez.
14. MUESTREO SIN REEMPLAZO:
Al extraer un elemento de la poblacin o para la muestra este no se devuelve a la poblacin.
15. MUESTREO SISTEMTICO:
En este esquema generalmente se selecciona el primer elemento aun intervalo constante hasta completar
la muestra.
16. MUESTREO ESTRATIFICADO:

En este caso la poblacin puede dividirse en grupos o estratos que sean similares entre s o que tenga
algunas caractersticas en comn pero que sean distintos en relacin a otros grupos o estratos.
CRITERIOS DE ASIGNACIN
17. MUESTREO ESTRATIFICADO CON ASIGANACIN PROPORCIONAL:
Esto significa que a cada estrato le va a corresponder una parte de la muestra proporcional al tamao o
nmero de elementos de ese estrato.
18. MUESTREO ESTRATIFICADO CON ASIGNACIN PROPORCIONAL:
Esto significa que no importa la proporcin de elementos que tenga cada estrato se asigna con un nmero
igual constante, igual de elementos con que cada estrato contribuye a la muestra.
19. MUESTREO POR CONGLOMERADOS:
Se reconocen conglomerados o grupos naturales que conforman la poblacin de inters, en este caso
puede utilizarse como criterio de seleccin aleatoria, el conglomerado y no la unidad de poblacin en s, y
al seleccionar al azar un conglomerado puede tomarse el criterio de analizar un muestreo simple aleatorio
dentro de l, una diferencia entre este esquema y el anterior es que se considera que este los grupos o
conglomerados pueden ser muy homogneos dentro de ellos y heterogneos dentro de ellos.
20. PROBABILIDADES:
Probabilidad grado de incertidumbre de que un evento ocurra.
21. FENMENOS:
Determinsticos: se reconoce en que forma va a suceder
Probabilsticos: no se puede asegurar el resultado antes de que ocurra
22. OBJETIVA:
Probabilidad clsica o apriori
Probabilidad a posteriori o como una frecuencia relativa.
23. CLASICA O A PRIORI: (inicia su estudio en los juegos de azar)
Se le llama clsica porque fue la primera que se estudi.
23. PROBABILIDAD APRIOPRI: que se puede determinar antes de contar el hecho.
Ejemplo:

baraja

de

cartas= 52
13

= 13/52=

13

13

13

0.25

24. ESPACIO MUESTRAL:

Al conjunto de todos los resultados posibles de un experimento.
25. EVENTOS MUTUAMENTE EXCLUYENTES:
No pueden ocurrir los 2 al mismo tiempo. (Se lanza un dado no cargado)
S= (1, 2, 3, 4, 5, 6) a) P (3) 1/6= 0.17
b) P (par)= 3/6= 0.5
26. PROBABILIDAD A POSTERIOR O COMO FERCUENCIA RELATIVA: (ejemplo)
Es la probabilidad condicional que es asignada despus de que la evidencia es tomada en cuenta.
En un saln de clases estn presentes 24 estudiantes varones y 16 mujeres si selecciona un estudiante al
azar cual ser la probabilidad.
a) Sea hombre
b) Sea mujer

evento

frecuenci
a

Frec.
relativa

mujer
hombre
total

16
24
40

0.40
0.60
1.00

a) P (H)= 24/40= 0.60

b) P (M)= 16/40= 0.40

27. EN UNA EMPRESA EXISTE EL SIGUIENTE PERSONAL PROFESIONAL AGRUPADO DE ACUERDO

A LA PROFESION DE LA SIGUIENTE MANERA: por fines prcticos se va a considerar que estos eventos
son mutuamente excluyentes o sea que no pueden ocurrir en la misma persona 2 o ms carreras.
EVENTO
MEDICOS
ABOGADO
S
INGENIERO
S
SECRETARI
AS
TOTAL

FRECUEN
CIA
8

FR
0.37

0.27

0.22

0.14

22

1.00

SI SE SELECCIONA UN PROFESIONAL AL AZAR DE ESTE GRUPO CUAL SER LA PROBABILIDAD

DE QUE?
a) Sea Medico
a) P (m)= 8/22= 0.37
b) Sea Abogado
b) P (a) = 6/22= 0.27
c) Sea Ingeniero
c) P (I) = 5/22= 0.22
d) Sea Ingeniero o Secretaria
d) P (I o S)= P (i)+ P(S)= 5/22+2/22= 8/22= 0.36
e) Sea Medico o Abogado
e) P (M o A)= P (M)+ P (A)= 8/22+ 6/22= 14/22= 0.64
28. SI 2 EVENTOS SON (MUTUAMENTE EXCLUYENTES) M.E (A Y B) Y SE NECESITA CALCULAR LA
PROBABILIDAD DE QUE OCURRA A B= P = (A B) = P (A) + (B)
29. PROPIRDADES DE LA PROBABILIDAD:
No existen probabilidades negativas (van de 0 hasta 1)
En un experimento la suma de las probabilidades de todos los eventos mutuamente excluyentes es igual a
(1).
Si existen 2 eventos que son mutuamente excluyentes y se necesita calcular la probabilidad de que ocurra
AB
(cualquiera de las 2) esta ser la suma de las probabilidades.

P (A B) = P (A)

30. PROBABILIDAD CONDICIONAL:

En algunos casos al calcular probabilidad sucede que el espacio muestral total se reduce como
consecuencia de la ocurrencia de una o ms condiciones que no cumple la poblacin total. Cuando el
espacio muestral se reduce y el clculo de la probabilidad se realiza tomando como base nicamente a la
parte del conjunto que cumple con la condicin dada se habla de probabilidad condicional.
31. EXISTEN 2 FORMAS DE CALCULAR LA PROBABILIDAD CONDICIONAL:
1) Por simple inspeccin: consiste en localizar por dentro de nuestro cuadro al grupo que cumple con la
condicin dada y calcular sobre la probabilidad que se pide.
2) Por definicin: que consiste usar la siguiente funcin:
P (A/B)= P (A U B)
P (B)

ya no se reduce el espacio muestrario

la P (B) no igual a cero

32. DISTRIBUCIN DE PROBABILIDADES:

Consiste expresar o definir la forma como se distribuye los valores de probabilidad cuando se estudian
diferentes variables.
33. EXISTEN BASICAMENTE 2 TIPOS DE DISTRIBUCIN DE PROBABILIDAD:
Distribucin de probabilidad de variables discretas.
Distribucin de probabilidad para variables continas.

34. DISTRIBUCIN DE PROBABILIDAD PARA VARIABLES:

Una Distribucin de probabilidad para variables discretas consiste en 1 tabla, 1 grafica, o 1 funcin o
cualquier otro medio que nos permita identificar todos los valores posibles que toman la variable aleatoria
discreta X justo con sus probabilidades respectivas.
35. DISTRIBUCIN DE PROBABILIDAD PARA VARIABLES CONTINUAS:
Una distribucin de probabilidad para variables continuas se representa por una funcin negativa F (X)
siempre y cuando se cumpla con las siguientes condiciones.
1. el rea que genere la curva de la funcin limitada por el eje (x) y dicha curva es igual a 1 (unidad de
rea)
2. la subrea limitada por la curva, el eje (x) y 2 perpendiculares trazadas desde los puntos cualquiera a y
b representan la probabilidad de hallar un valor de (x) entre ay b.
36. DISTRIBUCIN NORMAL:
Es la ms importante distribucin de probabilidad en estadstica aplicada a variables continuas y esta
distribucin normal est definida totalmente por sus parmetros LA MEDIA (M) y la DESVIACIN
ESTANDAR, la distribucin normal genera la desconocida curva en forma de campana llamada (CAMPANA
DE GAUSS).
FORMULAS:
P (A)-Probabilidad a priori o a posteriori
P (A B)= P (A) + P (B)- Mutuamente excluyente (misma categora) ()
P (A B)= P (A) + P (B) P (A U B) Mutuamente no excluyentes (diferente categora)
P (A/B)= Probabilidad condicional (dado que)