Universidad azteca
Materia:
estadística aplicada a la ciencia del comportamiento
Grado: 2 cuatrimestre psicología
Alumno: osvaldo perez cruz
Fecha de entrega: 07 de mayo del 2020
Lic.: Angélica García Hernández
Índice
Cuestionario(evidencia3)………………………………………………………………………………………………1
Medidas de tendencia central (evidencia 4…………………………………………………………………2
Ejemplo (evidencia 5)………………………………………………………………………………………………..3
Medidas de dispersión( evidencia 6)…………………………………………………………………………4
Distribución de probabilidad (evidencia 6………………………………………………………….………6
Ejemplo (evidencia 7)………………………………………………………………………………………..…………7
Evidencia #3
Cuestionario
1. ¿Qué es una distribución de frecuencia ?R=una distribución de frecuencia o tabla de
frecuencia, es la ordenación de los datos estadísticos asignando a cada dato su frecuencia
con variables discretas y variables continuas
2. ¿Cuáles son los tipos de frecuencia ?R=frecuencia absoluta, frecuencia relativa,
frecuencia acumulada, frecuencia relativa acumulada
3. ¿Qué son los intervalos de clase ?R=son los límites a los extremos a los que llega una
función y son utilizados a modo de resumen cuando la cantidad de datos es muy grande,
los límites de cada extremo se les llama límite inferior y límite superior de clase
4. ¿Cuáles son las clases al que se le asigna una frecuencia correspondiente ?R=límites de
la clase: está delimitada por el límite inferior y límite superior de la clase
Amplitud de la clase: diferencia entre el límite superior e inferior de la clase
Marca de clase: es el punto medio de cada intervalo y es el valor que representa a todo el
intervalo para el cálculo de los parámetros
5. ¿Cuáles son los tres intervalos que existen ?R=
Abierto: son los que se colocan entre paréntesis
Cerrados: se expresa entre corchetes
Semiabiertos: se expresan con un paréntesis de un lado y un corchete del otro
Evidencia #4
Concepto de medida de tendencia central
Cuando hablamos de medida de tendencia central o parámetros de tendencia central o
también llamadas de medidas de centralización son los números situados hacia el centro
de distribución de los valores de una serie de observaciones, en este caso las medidas,
que sirven para resumir la información de la muestra para poder tener un mejor
conocimiento de la población, es decir, los datos y ayudan a analizar los datos de acuerdo
con el valor central.
Cuando se hace referencia a la posición de
estos parámetros dentro de la distribución
independientemente de que este más o
menos centrada, se refiere a estas medidas
como medidas de posición y se utilizan cuatro
de estos valores que también se les conoce
como estadígrafos, la media aritmética, la
mediana, la moda, y el rango medido
Medidas de tendencia central para datos no agrupados
Las medidas de tendencia central de datos no agrupados son aquellos datos que se
organizan en una tabla de datos, es decir, que cada valor se representa de manera
individual por medio de la media aritmética, la mediana y la moda
Media aritmética
La media aritmética es el valor que podemos obtener por la suma de todos sus valores
que se divide entre el número de sumadores en este caso los datos, es decir, la media
aritmética es el valor promedio de las muestras y es independiente de las amplitudes de
cada intervalo se simboliza como el cual solo se encuentra con variables cuantitativas
Por ejemplo: tenemos los siguientes datos la estatura en metros en un grupo de alumnos
son las siguientes: 1.48, 1.50, 1.49, 1.47, 1.51, 1.52
Solución: la suma de todos los datos es 1.48+1.50+1.49+1.47+1.51+152=8.97
𝑋1+𝑋2+𝑋3+,,,,,𝑋𝑛 8.97
Media aritmética: 𝑥 = 𝑥= = 1.459 𝑚
𝑁 6
se suman los datos obtenidos y el resultado se divide entre 6 dando así como resultado
1.459 m
Características de la media aritmética
- La media aritmética es una medida totalmente numérica, es decir, solo se calcula en
datos de características cuantitativas
-en sus cálculos toma en cuenta todos los valores de la variable
-es lógica desde el punto de vista algebraico
-la media aritmética se puede ver totalmente afectada por valores extremos
-no se puede calcular en distribuciones de frecuencia que tengan clases abiertas
-la media aritmética es única, es decir, un conjunto de datos numéricos tiene una y solo
una media aritmética
-útil para comparar poblaciones
Obtención operacional de la media aritmética
Como bien sabemos la media aritmética es el valor obtenido
de la suma de sus valores que se divide entre el número
total de datos el cual se utiliza la siguiente formula
∑𝑛¡=1 𝑋1
𝑥=
2𝑎
Media ponderada
La media ponderada es una medida de tendencia central que solo se apropia cuando un
conjunto de datos de cada uno de ellos tiene cierta importancia relativa o peso respecto a
los demás datos para poder obtenerla es necesario hacer una multiplicación de cada uno
de los datos por su ponderación, es decir, el peso para así poder sumarlos y así poder
obtener una suma ponderada después se divide entre la suma de los pesos dando así
como resultado la media ponderada en general la media ponderada de un conjunto de
números denotados x1..X2...x3...x4….xn con ponderaciones correspondientes a
w1...w2...w3…wn el cual se calcula con la siguiente formula:
∑𝑛
𝑖= 1 𝑥𝑖 𝑤𝑖 x1w1+x2w2+x3w3+⋯.+xnwn
𝑥̅ = ∑𝑛
=
𝑖= 1 𝑤1 w1+w2+w3+⋯.+wn
Por ejemplo: se puede usar media ponderada para calcular la nota final del curso escolar
de la universidad en donde se asigna distinta importancia, es decir, el peso a los distintos
exámenes que se desean realizar, por decirlo de la siguiente manera los dos primeros
exámenes que se realicen tendrán un peso o valor de 30% y 20% y el ultimo tendrá 50%
entonces las calificaciones respectivas son de 6.4, 9.2, 8.1 entonces la nota final
corresponde a lo siguiente
Datos: x= (6.4, 9.2, 8.1)
Pesos: w= (0.30, 0.20, 0.50)
6.4.030+9.2.020+[Link]
Media: 𝑥̅ = = 7.81
0.30+0.20+0.5º
Ponderada= 7.81
Características de la media ponderada
Una de las principales características de la media ponderada es que la N representa la
cantidad de valores que se escogen de la variable x y el P¡ al que también se le llama
factor de ponderación la cual es una medida de mucha importancia que el investigador le
asigna a cada valor dichos valores son arbitrarios y positivos
Otras de las características es que se puede diferenciar de la media aritmética simple ya
que cada uno de estos valores Xn tienen un mismo significado, la media ponderada posee
numerosas aplicaciones donde la media aritmética es un caso particular de media
ponderada en la que todos los pesos son uno ya que todos los elementos se les otorga la
misma importancia
Media
La media también conocida como media aritmética,
promedio aritmético o simplemente promedio no
es indispensable acomodar los datos en orden para
calcularla sino que puede multiplicarse cada dato
por su frecuencia. Los datos recabados en cero no
modifican la suma aunque
si cuentan para determinar
el número entre el que se
divide por lo que si se modifica el promedio lo podemos
considerar como el centro de gravedad de una distribución ya
que representa todos los valores observados. Formula:
x1+x2+x3+..+xn ∑𝑛
𝑖−1 𝑥1
𝑥̅ = 𝑥=
N N
ejemplo: el peso de seis compañeros son: 84, 91, 72, 68, 87, 78
84 + 91 + 72 + 68 + 87 + 78
𝑥̅ = = 80𝑘𝑔
6
La media sirve para representar un conjunto de datos de acuerdo a sus características
para obtener la media no es necesario que los datos estén ordenados al sumarlos ya que
el orden de los sumados no altera la suma.
Mediana
La mediana también es conocida como la media posicional que ocupa el centro de los
datos en si se puede entender como el lugar del valor central de una sucesión en donde
esta se divide en un número igual de valores anteriores y sucesores para poder calcular la
mediana es importante que los datos estén ordenados de mayor a menor o puede ser lo
contrario de menor a mayor, es decir, deben tener un orden entre sí. La mediana junto
con la media y la varianza son estadísticos bien ilustrados de una distribución al contrario
de lo que es la media que esta puede estar desplazada de un lado hacia otro, la mediana
siempre se sitúa en el centro de esta, a esta forma de distribución se le conoce como
curtosis también conocida como medida de apuntamiento, por medio de esta curtosis
podemos ver hacia donde esta desplaza la distribución
Formula: para poder calcular la mediana se necesita una
formula la formula no nos da el valor de la mediana sino
que solo nos dará la posición en la que se encuentra
dentro del conjunto de datos de tal forma la fórmula de la
mediana es
Mediana=(n+2)/2 media de las observación
Según sus características como ya lo habíamos
mencionado anteriormente para obtener la mediana es importante que los datos estén
ordenados ya que los cálculos de la mediana son más sencillo que el de la media aunque
su proceso es un poco más tardado
Moda
La moda es el valor con mayor frecuencia es una distribución de datos y va en forma de
una columna cuando se encuentran dos modas, es decir, dos datos que tienen la misma
frecuencia absoluta máxima una distribución trimodal de los datos en la que se puede
encontrar tres modas. Cuando todos los datos tienen la misma frecuencia se les puede
definir las modas como indicadas la cual ciertos valores no tienen utilidad
En si puede haber más de un dato al que corresponda a la moda si son dos datos se les
considera bimodal y si son más datos, multimodal, esto sirve para objetivos distintos que
las otras dos medidas ya que para ciertos objetivos puede ser más interesante saber que
dato se repite más que cual es el promedio de los datos. La moda es muy diferente a la
media pues hay que considerar que el comportamiento de los datos no es normal.
Es necesario comparar las tres medidas de tendencia central de acuerdo a sus
características el cual nos permite comprenderlos un poco más.
La media: es un dato único
La mediana: también es un dato único, aunque a veces es
necesario promediar dos datos
La moda: no es un dato único ya que puede llegar al
extremo de que todos los datos aparezcan la misma
cantidad de veces, es decir, su frecuencia sea la misma y
cada uno forme parte de la moda
Utilidad de la mediana
Regularmente las medidas de tendencia central son utilizadas para describir un
acumulado de datos que dependen invariablemente de la propia distribución del mismo
regularmente y con mucha frecuencia la que se utiliza mas es la media ya que realiza la
distribución de forma equitativa de los datos. Mientras que la mediana se utiliza
generalmente para devolver la tendencia en el caso de distribuciones numéricas
Las medidas de tendencias centrales nos permiten identificar los valores más
representativos de los datos de acuerdo a la manera en la que se concentran teniendo
una utilidad muy importante
La media nos indica el promedio de los datos ya que nos informa el valor que obtendría
cada uno de los individuos si se distribuyen los valores en partes iguales. Por el contrario
mientras que la mediana nos informa el valor que separa los datos en partes iguales y
cada una cuenta con un cincuenta por ciento de los datos obtenidos.
La moda nos indica el valor que más se repite dentro de los datos obtenidos
Estas medidas nos sirven para estudiar el comportamiento de las variables ya que por
medio de sus cálculos es posible conocer la ubicación de los datos en estudios y permiten
resumir la información proporcionada por los datos recolectados con un solo objetivo de
poder facilitar su interpretación y comprensión de estos mismos
Aplicación de las medidas de te tendencia central en psicología
En psicología es necesario aplicar técnicas de tendencias a las estadísticas debido a que
tienen una tendencia distintivas ya que son técnicas cuantitativas para la investigación
donde el objetivo en general es fundamental para describir los conjuntos de casos que son
estudiados. Esto nos sirve para para resumir o interpretar un conjunto de datos con el
objetivo de analizar su comportamiento y poder realizar una generalización de toda una
población para así poder comprenderlo mejor.
Bibliografía
[Link]
=n&form=QBRE&sp=-1&pq=medidas+de+tendencias+centrales+en+la+psicologia&sc=0-
[Link]
entrales+en+la+psicologia&FORM=HDRSC3
[Link]
ogia&form=HDRSC2&first=1&cw=1117&ch=511&ajf=100
[Link]
07B872D31173C48&thid=OIP.ILDyZL4qpLqSh584XDLp1wHaEK&exph=359&expw=638&q=
utilidad+de+las+tendencias+centrales&selectedindex=24&ajaxhist=0&vt=0&eim=0
evidencia #5
Realizar un ejemplo parecido al del video con todas las especificaciones
Ejemplo:
A continuación se presentan los pesos (kg) de 2alumnos
54 73 60 55 62 63 60 73 78 78 Rango:
70 72 76 66 75 72 66 54 60 66 R=X max- X min
R= 78-54
K: intervalo R=24
K= 1 + 3,322 (log 20)
K= 5.32=5
𝑅 24
Amplitud: A= = = 4.8 límite inferior= 54 límite superior = 59
𝐾 5
A= 4.8=5
clase x F Fr F
54-59 56 3 0.15 3
59-64 61 5 0.25 8
64-69 66 3 0.15 11
69-74 71 5 0.25 16
74-79 76 4 0.2 20
20 1
Evidencia #6
Medida de dispersión
Las medidas de dispersión también llamadas variabilidad, dispersión o propagación es el
grado en el que una distribución se estira o se exprime por ejemplo algunas de las
medidas de dispersión son la varianza la desviación estándar y el rango intercuartil se
puede decir que las medidas de dispersión se contrastan con la ubicación o la tendencia
central y juntas son las propiedades más utilizadas de las distribuciones
Una medida de dispersión es un número real no negativo
que es cero si todos los datos son iguales y aumenta a
medida que los datos se vuelven más diversos. La mayoría
de las medidas de dispersión tienen las mismas unidades
que la cantidad que se mide, es decir, si las medidas están
en metros o segundos también lo es la medida de
dispersión y estos incluyen lo que es la desviación
estándar, rango intercuartil (IQR),el rango, diferencia
absoluta media, mediana desviación absoluta, desviación estándar absoluta. Se usan
como frecuencia junto con otros factores de escala como los estimadores de parámetros
de escala, su capacidad se denomina estimación de escala. Las medidas de escalas
robustas no son afectadas por un pequeño número de valores que pueden incluir el IQR y
el MAD. Todas las medidas de dispersión tienen una propiedad útil de que son invariantes
de ubicación y de escala lineal
Clasificación de medidas de dispersión
Las medidas de dispersión son de dos tipos
Medidas de dispersión absoluta: como recorrido, desviación media, varianza y desviación
típica son aquellos que se usan en los análisis estadísticos generales
Rango o recorrido: el rango es la diferencia entre el mayor y el menor de los datos de una
distribución estadística su característica es que solo suministra la información de los
extremos de la variable, informa sobre la distancia entre el mínimo y el máximo valor
observado y se limita su uso a una información inicial, el rango estima el campo de
variación de la variable
Desviación media: esta es la diferencia entre cada valor de la variable y la media
aritmética, las características que esta tiene es que todas las observaciones se usan en el
cálculo, no tiene la influencia debido a los valores altos y bajos
Desviación estándar o típica: es la medida de dispersión para variables de razón, es decir,
variables cuantitativas o cantidades racionales y de intervalo, la cual la podemos definir
como la raíz cuadrada de la varianza de la variable es la medida del grado de dispersión de
los datos al valor promedio, la desviación típica es solo el promedio o variación esperada
con respecto a la media aritmética, su características que tiene es que es el parámetro
más usado , es afectada por el valor de cada observación tiene como consecuencia
considerar desviaciones cuadráticas y al construir una tabla de frecuencia de una variable
discreta y calcular a partir de ella la desviación típica. La utilidad que esta tiene es que
radica en la transmisión de cuanto tienen a alejarse de los valores concretos del promedio
en una distribución
Varianza: la varianza es la media aritmética del cuadrado de las desviaciones respecto a la
media de una distribución estadística la varianza se utiliza para identificar las medidas de
las desviaciones cuadráticas de una variable de carácter aleatorio considerando el valor
medio de esta, las características de la
variable es siempre un valor no negativo
que puede ser igual o distinta de cero, la
varianza es la medida de dispersión
cuadrática óptica por ser el menor de
todos si a todos los valores de la variable
se le suma una constante la varianza no se modifica, si todos los valores se multiplican por
una constante la varianza queda multiplicada por el cuadrado de dicha constante
Medidas de dispersión relativas:
Coeficiente de variación: cuando se hace referencia a la relación entre el tamaño de la
media y la variabilidad de la variable se utiliza el coeficiente de variación la cual la
podemos definir como el cociente entre la desviación típica y la media aritmética de una
distribución. El coeficiente de variación se calcula entre la desviación típica y la media es
un porcentaje que permite comparar el nivel de
dispersión de dos muestras puesto a que la
desviación estándar como la media se miden en las
unidades originales el coeficiente de variación es una
medida independiente de las unidades de medición.
El coeficiente de variación es menor que uno sin
embargo en ciertas distribuciones de probabilidad puede ser uno o mayor que uno.
El CV es usado para evaluar la prevención de un experimento, compara la variabilidad
entre dos grupos de datos referidos a distintos sistemas de unidades de medida
Dispersión de medidas de distancia: las medias de tendencia central o posición nos indican
donde se debe situar un dato dentro de una distribución de datos, las medidas de
dispersión ,variabilidad, o variación nos indican si esos datos están próximos entre si o si
están dispersos, esto quiere decir que nos indican que tan parecidos se encuentran los
datos. Estas medidas de dispersión nos permiten apreciar la distancia que existe entre los
datos a un cierto valor central e identificar la concentración de los mismos en un cierto
sector de la distribución, es decir, nos permiten estimar que tan dispersos están dos o más
distribuciones de datos. Estas medidas permiten evaluar la confiabilidad el valor del dato
central de un conjunto de datos, siendo la media aritmética el dato central el dato más
utilizado. Cuando existe una dispersión pequeña se dice que los datos están dispersos o
acumulados cercanamente a un valor central en este caso el dato central es un valor muy
representativo
Medidas de dispersión para datos agrupados:
Si se necesita calcular la desviación media de un conjunto de datos agrupados por
intervalos en una tabla de frecuencia se utilizan el rango, la deviación media, la desviación
estándar y la varianza
Rango: como bien sabemos el rango es la diferencia que existe entre el valor máximo y el
mínimo en nuestros datos ya que esta es la medida de dispersión, as fácil de obtener, para
los datos agrupados hay dos formas para determinar el rango para datos agrupados
Rango= punto medio de la clase más alta – punto medio de la más baja
Rango= límite superior de la clase más alta - límite inferior de la más baja
Desviación media: mide la desviación promedio de valores con respecto a la media del
grupo sin tomar en cuenta el signo de la desviación
Desviación estándar: es la medida de centralización o dispersión para las variables de
razón y de intervalo de gran utilidad en la estadística descriptiva y se define como la raíz
cuadrada de la varianza
Varianza: mide la dispersión de los valores respecto a un valor central, es decir, es el
cuadrado de las desviaciones
Medidas de dispersión para datos no agrupados: como bien sabemos los datos no
agrupados son aquellas distribuciones que indican la frecuencia con que aparecen los
datos estadísticos teniendo en cuenta desde el dato menor hasta el dato mayor de ese
conjunto sin hacer ninguna modificación al tamaño de las unidades originales donde cada
dato mantiene su propia identidad. Para los datos no agrupados se emplea la siguiente
ecuación
∑(𝑋1−𝜇)2
Para la varianza en datos no agrupados se calcula con: 𝑎2 = n
Donde 𝑥1 = es la observación individual de la población
𝜇= es la media aritmética poblacional
N= número de observación de la población
Relativa coeficiente de variación:
Es una medida de la dispersión relativa en un conjunto de datos que se obtiene dividiendo
la desviación estándar del conjunto entre su media aritmética y se expresa en términos
porcentuales la cual permite comparar las dispersiones de dos distribuciones distintas
siempre que sus medidas sean positivas, se calcula para cada una de las distribuciones y
los valores que se obtienen se comparan entre si la mayor dispersión corresponderá al
valor del coeficiente de variación mayor.
Evidencia #6
Probabilidad
El concepto de probabilidad es aquello que se entiende como la posibilidad que existe que
un determinado hecho suceda, es decir, se define como el estudio y medición cuantitativa
para que se determinen ciertos presupuestos del contexto y suelen ser representados en
números mayores a cero e inferiores a uno o en fracciones. Mide la frecuencia con la cual
se obtiene un resultado en una oportunidad de la realización de un experimento sobre la
cual se conocen todos los resultados y esta también es llamada teoría de la probabilidad
ya que es un modelo matemático que se ocupa de analizar los fenómenos aleatorios lo
cual implica la contraposición respecto de los fenómenos ya determinados y son aquellos
en los cuales el resultado del experimento que se realizan producen un resultado único y
previsible que se repetirá la cantidad de veces que este vuelva hacerse siempre y cuando
se respeten las mismas condiciones. Se intenta determinar la cantidad de veces que puede
un determinado resultado acontecer con el fin de conocer que suceso es mas probable.
Existen algunos métodos para determinar el estudio de la probabilidad
Multiplicación: se determina una probabilidad de varios eventos que son independientes
entre si, es decir, que los resultados obtenidos no tendrán influencia en los demás
resultados obtenidos no tendrán influencia en los demás resultados
Suma o regla de adición: es este caso que suceda la posibilidad de que un evento
especifico es equivalente a la sumatoria de las probabilidades particulares esta regla se da
bajo la condición que los eventos sean excluyentes entre si
Probabilidad condicionada
La probabilidad condicionada mide la probabilidad de un determinado suceso conociendo
información previa sobre otro suceso por ejemplo si se quiere calcular la probabilidad de
1
que tirar un dado salga un 6 sabemos que la regla Laplace que la probabilidad es de 6 sin
embargo dados dos sucesos A y B tales que P(B)≠0 se denomina probabilidad de A
condicionada a B P(A/B)
P(A ∩ B)
𝑃 (𝐴/𝐵) =
P(B)
Sucesos dependientes e independientes: los sucesos en los
que conociendo que uno ha ocurrido no se modifica la
probabilidad del otro decimos que son independientes y si
se modifica se puede decir que son dependientes entre si,
decimos que los sucesos A y B son independientes si
P(A/B)=P(A) o de forma equivalente si se sustituye en la
formula, si esto no ocurre entonces los sucesos A Y B son
dependientes
Teorema de la probabilidad total:
Es aquel que nos permite calcular la probabilidad de un suceso a partir de probabilidades
condicionadas hace inferencia sobre un suceso B a partir de
los resultados de los sucesos A que se puedan realizar a través
de varios cambios este teorema establece que sean
𝐴1, 𝐴2 ,𝐴3 ,…………𝐴𝑛 eventos que forman una participación del
espacio muestral S y sea B otro evento cualquiera del espacio
muestral los problemas de probabilidades que requieren al
teorema de probabilidad total también se pueden resolver de
manera sencilla usando un diagrama de árbol
Teorema de Bayes
El teorema de Bayes vincula la probabilidad de A dado B con la probabilidad de B, es
utilizado para calcular la probabilidad de un suceso este teorema entiende la probabilidad
de forma inversa al teorema de la probabilidad total donde esta hace inferencia sobre un
suceso B a partir de los resultados de los sucesos por su
parte Bayes calcula la probabilidad de A condicionado a B
para calcularlo se define con la siguiente formula donde B
es el suceso sobre el que tenemos información previa y A(n)
son los distintos sucesos condicionados
Análisis combinatorio:
Se le conoce como combinatoria al estudio de la numeración, la existencia, y la
construcción de propiedades de configuraciones que cumplan determinadas condiciones
estudia la cantidad de maneras diferentes en las que se pueden considerar conjuntos que
se forman partiendo de elementos de un conjunto inicial siguiendo determinadas reglas.
De esta manera un problema combinatorio suele consistir en establecer una regla acerca
de la forma en la cual se deben dar las agrupaciones y determinar cuántas de ellas
satisfacen dichas reglas, se deben tener en cuenta las combinaciones, las variaciones y las
permutaciones con o sin repetición.
Permutaciones : la permutación también es denominada que consiste en agrupar los
elementos en ciclos de longitud 2 la cual es posible escribir una permutación como un
producto de transposición y por lo tanto de ciclos, esta idea menciona a los posibles
ordenamientos de aquellos elementos que forman parte de un conjunto no infinito, es
decir, una permutación es un cambio de la manera en la que disponen los elementos y
puede considerarse como una función de tipo biyectiva dentro del conjunto ya que señala
distintas correspondencias entre los elementos como ya se menciono anteriormente
también se le puede llamar ciclo ya que es una clase especial y en este caso una cantidad
determinada de elementos se mantiene fija mientras que el resto se moviliza de manera
cíclica y cuando no hay elementos que permanezcan fijos se habla de una permutación
cíclica
Variaciones: en combinatoria se le llama variaciones a cada una de las tuplas que se
forman tomando en cuenta elementos de un conjunto, en la combinatoria de conjuntos
finitos frecuentemente se necesita conocer un numero de variaciones de un conjunto de
ℳ elementos tomados en tuplas de ℕ ya sea con o sin elementos repetidos. Las
variaciones con repetición de conjuntos de ℳ elementos tomados en tuplas de
ℕ elementos es el número de diferentes ℕ-tuplas de un conjunto de elementos
Combinaciones: se le llama combinaciones de ℳ elementos tomados de ℕ en ℕ a todas
las agrupaciones posibles que se pueden hacer con los ℳ de forma que no entran todos
los elementos, no importa el orden, no se repiten los elementos, aunque esto también se
puede calcular mediante factoriales
Esto también puede referirse a las combinaciones binominales, en combinatoria son los
números que se determinan de formas para seleccionar elementos de un conjunto y
aparecen en la expansión binominal
distribuciones de probabilidad
esta definida sobre el conjunto de todos los sucesos y cada uno de los sucesos es el rango
de valores de la variable aleatoria también puede decirse que tiene una relación estrecha
con las distribuciones de frecuencias y se puede comprender como una frecuencia teórica
la distribución de probabilidad está completamente especificada por la función de
distribución cuyo valor en cada x real es la probabilidad de que la variable aleatoria sea
menor o igual que x
Variables aleatorias : una función aleatoria es aquella que asigna un valor numérico al
resultado de un experimento aleatorio, los valores posibles de una variable aleatoria
pueden representar los posibles resultados de un experimento aun no realizado o los
posibles valores de una cantidad cuyo valor existente es incierto, una variable aleatoria
puede tomarse una cantidad cuyo valor no es fijo pero puede tomar diferentes valores de
una distribución de probabilidad la cual se usa para describir la probabilidad en la que se
den los diferentes valores donde una variable aleatoria es definida como el espacio de una
probabilidad y estas pueden tomarse valores reales pero se pueden considerar valores
aleatorios como valores lógicos, funciones o cualquier tipo de elementos
Variable aleatoria discreta : es aquella que solo
toma ciertos valores que resulta principalmente
del conteo realizado el valor esperado de una
variable aleatoria discreta es un promedio
ponderado de todos los posibles resultados
donde las ponderaciones son las probabilidades
asociadas con cada uno de los resultados donde
la varianza de una variable aleatoria discreta se
define como el resultado promedio de los cuadros de las diferencias entre cada resultado
posible en general representa los resultados de un espacio muestral
Variable aleatoria continua: es aquella que resulta
generalmente de la medición y puede tomar cualquier
valor de un intervalo dado, es una función que asigna a
un intervalo de la variable aleatoria continua x su valor
de probabilidad correspondiente, es decir, la
probabilidad de que un evento ocurra en un intervalo
de la variable. Esta es generada por la variable continua
x que también puede ser llamada función de densidad.
División de distribuciones
Esta se realiza dependiendo del tipo de variable a estudiar
Distribución binominal: es posible obtener dos resultados, los mismos son independientes
y excluyentes entre si
Distribución de poisson: si la variable es continua significa que puede tomar cualquier
valor dentro de un intervalo y se puede utilizar la distribución de poisson cuando la
muestra a estudiar es demasiado grande y la probabilidad de éxito es pequeña ya que son
eventos independientes
Distribución hipergeométrica: son eventos dependientes que se relaciona con un
muestreo aleatorio y sin reemplazo
Evidencia #7
Ejercicio
Realiza la tabla correspondiente y encuentra los datos que se te piden
Edades del salón de clases del grupo de psicología de 6to cuatrimestre
28 21 38 28 22 36
27 26 21 39 36 34
1. Rango:
27 25 33 31 26 33
22 31 35 26 26 32 R= Xmax - Xmin R= 40 – 21
40 37 26 24 24 21
R=19
2. intervalos
K= 1+ 3.322log 𝑛 K=1 +3,322log 30
K=5.90 K= 5
3. Amplitud
𝑅 19
A= A= = 3.8 A= 3.8 A= 4
𝐾 5
4. Marca de clase
X= Li - Ls
21+25
𝑥= = 23
2
5. Frecuencia:
F= numero de veces que se repite un dato
6. Frecuencia relativa:
𝑓𝑟𝑖
F𝑟𝑖 =
𝑛
Clase X f Fr F
Edades
21-25 23 7 0.233 7
25-29 27 10 0.333 17
29-33 31 3 0.1 20
33-37 35 6 0.2 26
37-41 39 4 0.133 30
30 0.999
