Repaso estadístico general

José Delgado
José Delgado
 Pensemos en un país imaginario y pequeño llamado Elich , donde tres
señores de diferentes corrientes de opiniones discuten , al ver la siguiente
estadista de los salarios en dicho país

Salarios de Elich
Media 1813529.41
Mediana 100000
Moda 10000
Desviación estándar 5674424.55
Varianza de la muestra 3.2199E+13
Coeficiente de asimetría 2.92906839
Mínimo 10000
Máximo 20000000
Cuenta 170

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Variables aleatorias continuas

José Delgado
José Delgado
 Modelos de Probabilidad

• MODELO NORMAL:
Se usa para representar una variable aleatoria continua,
caracterizada por una distribución simétrica de sus
ocurrencias alrededor de un valor central.

José Delgado
 La Distribución Normal

La distribución normal fue reconocida por primera vez por el

francés Abraham de Moivre (1667-754). Posteriormente, Carl
Friedrich Gauss (1777-1855) elaboró desarrollos más profundos
y formuló la ecuación de la curva; de ahí que también se la
conozca, más comúnmente, como la "campana de Gauss". La
distribución de una variable normal está completamente
determinada por dos parámetros, su media y su desviación
estándar, denotadas generalmente por μ y σ . Con esta
notación, la densidad de la normal viene dada por la ecuación:

José Delgado
 −( x − m ) 2

πe
1
P( x)dx =
σ
2
2* dx
σ 2

• Donde:
P(x)= Valor de la función densidad asociada a
la variable.
x= valor de la variable en estudio.
m= valor medio de la variable.
σ = Desviación típica de la variable
José Delgado
 (-1.96) (1.96)

José Delgado
 Propiedades de la distribución normal:

Tiene una única moda, que coincide con su media y su mediana.

La curva normal es asintótica al eje de abscisas. Por ello,

. cualquier valor entre -∞ y +∞ Es simétrica con respecto a su
media

La distancia entre la línea trazada en la media y el punto de

inflexión de la curva es igual a una desviación típica
 Propiedades de la distribución normal:

La distancia comprendido entre los valores situados a dos

desviaciones estándar de la media es igual a 0.95
μ - 1.96σ ; μ +1.96σ

La forma de la campana de Gauss depende de los parámetros

.
μ σ
José Delgado
 Tipificación o estandarización

José Delgado
 Ccoeficiente de asimetría de Fisher como:

José Delgado
 El coeficiente de aplastamiento
o curtosis de Fisher,

Mesocúrtica

Leptocúrtica

Platicúrtica

José Delgado
 KURTOSIS

LEPTOCURTICA

PLATICURTICA

MESOCURTICA
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 La Distribución Log Normal

Valor esperado

.
Varianza

José Delgado
José Delgado
 Propiedades

La distribución lognormal se caracteriza por las siguientes

propiedades:

.-Asigna a valores de la variable < 0 la probabilidad 0 y de

este modo se ajusta a las tasas y probabilidades de fallo
que de esta forma sólo pueden ser positivas.

.-Como depende de dos parámetros, según veremos, se

ajusta bien a un gran número de distribuciones empíricas.

José Delgado
 Propiedades

.-Es idónea para parámetros que son a su vez producto de

numerosas cantidades aleatorias (múltiples efectos que
influyen sobre la fiabilidad de un componente).

.-La esperanza matemática o media en la distribución

lognormal es mayor que su mediana. De este modo da
más importancia a los valores grandes de las tasas de
fallo que una distribución normal con los mismos
percentiles del 5% y 50% tendiendo, por tanto, a ser
pesimista.

José Delgado
 Típicas curvas Log normal

Leyes de cobre Leyes de cobre

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Variables aleatorias discretas

José Delgado
 • MODELO BINOMIAL:
Se aplica usualmente a fenómenos caracterizados por
una variable aleatoria que observada a través de
experimentos independientes e idénticos responde
necesariamente a dos posible eventos, ocurrencia o no
ocurrencia.

José Delgado
 ⎛n⎞ x n− x
P(x) = ⎜ ⎟ P ( 1 − P)
⎝ x⎠
• Donde:
P(x)= Probabilidad de ocurrencia combinada de
un N° x de eventos de n consecutivas
observaciones.
n= Número total de observaciones.
x= Número de eventos a ocurrir.
p= Probabilidad de ocurrencia de un evento
cualquiera.
José Delgado
 Ejemplo del modelo

• Supongamos 100 distritos mineros, cada uno de ellos subdivididos

en un malla de 5 x 5 bloques, cada uno de los bloques generados se
somete a una caracterización de su potencial minero, usando para
ello dos categorías: Bloque potencialmente atractivos y sin interés.
• La siguiente tabla muestra el resultado obtenido en estas
observaciones:
N° de bloques potencialmente N° distritos N° total bloques
atractivos/distrito atractivos
0 14 0
1 25 25
2 27 54
3 23 69
4 7 28
5 2 10
6 1 6
7 0 0
8 1 8
100 200

José Delgado
 m
p =
n
Donde:
p= probabilidad de ocurrencia de un bloque
atractivo por distrito.
m= valor medio del N° de bloques atractivos por
distritos.
n= N° total de bloques observados por distritos.
Así de la tabla
m=(200/100)=2
p=2/25=0.08
José Delgado
 La probabilidad de que un bloque sea atractivo
⎛ 25 ⎞
P ( x = 1) = ⎜ ⎟ 0.08 1 (1 − 0.08 ) 25 − 1 = 0.270
⎝ 1⎠

La probabilidad de que ningún bloque sea atractivo

⎛ 25 ⎞ 25 − 0
P ( x = 0 ) = ⎜ ⎟ 0.08 (1 − 0.08 )
0
= 0.124
⎝ 0⎠

La probabilidad de que dos o más bloques sean

atractivos, será
1-0.270-0.124=0.606
José Delgado
 La Distribución de Poisson

La Distribución de Poisson se llama así en honor a

Simeón Dennis Poisson (1781-1840), francés que
desarrolló esta distribución basándose en estudios
efectuados en la última parte de su vida

José Delgado
 Modelos de Probabilidad

• MODELO POISSON:
Se aplica usualmente a fenómenos caracterizados por una
variable aleatoria que observada a través de una serie de
experimentos independientes e idénticos responde de una
manera discreta en el tiempo o en el espacio.

José Delgado
 P( x ) = (e λ ) / x !
−λ x

• Donde:
P(x)= Probabilidad de ocurrencia combinada de
un N° x de eventos de n consecutivas
observaciones.
x= Número de eventos a ocurrir.
λ= Número de veces que ocurre un sucesos en
un intervalo de tiempo.

José Delgado
 Media µ=λ

Varianza σ2=λ

Desviacion St. σ =λ ^ ( ½)

Coeficiente de sesgo α 3 = 1/ λ ^ ( ½)

Coeficiente de curtosis α 4 = 3+1/λ

José Delgado
 Ejemplo del modelo

• Supongamos 100 distritos mineros, cada uno de ellos

subdivididos en un malla de 5 x 5 bloques, cada uno de los
bloques generados se somete a una caracterización de su
potencial minero, usando para ello dos categorías: Bloque
potencialmente atractivos y sin interés.
• La siguiente tabla muestra el resultado obtenido en estas
N° de bloques potencialmente N° distritos
observaciones: N° total bloques
atractivos/distrito atractivos
0 14 0
1 25 25
2 27 54
3 23 69
4 7 28
5 2 10
6 1 6
7 0 0
8 1 8
100 200

José Delgado
 λ = m
Donde:
m= valor medio del N° de bloques atractivos por
distritos.
Así de la tabla
m=λ=(200/100)=2

José Delgado
 La probabilidad de que un bloque sea atractivo

P ( x = 1) = e ( 2.0) / 1! = 0.270
−2 1

La probabilidad de que ningún bloque sea atractivo

P ( x = 0) = e ( 2.0) / 0! = 0135
−2 0
.

La probabilidad de que dos o más bloques sean

atractivos, será
1-0.405=0.595
José Delgado
Lectura básica de los gráficos

Análisis de Moda

Valores Centrales

Valores extremos

Varianza Kurtosis

Sesgo
 KURTOSIS

LEPTOCURTICA

PLATICURTICA

MESOCURTICA
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Test de bondad del ajuste

Los test de bondad del ajuste se refieren a la comparación

de una observación de datos con una ley de probabilidad
teórica

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Sean los valores mostrados a continuacion las leyes de Zn (%) de 33 muestras
Tomados de un yacimiento .Comprobar si dichos valores siguen una ley normal

6.4 7.1 5.4 5.9

5.4 4.9 7.5 5.8
4.7 5.7 5.8 5.8
8.2 6.1 2.8 4.6
6.8 6.2 5.9 4.9
6.2 7.4 9.1 6.2
6.3 7.5 7.3
3.9 6.1 3.3
6.2 5.6 5.1

José Delgado
 Histograma de leyes de Zn

12
Frecuencia observada

10

0
2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5

Ce ntros de clase

Hist ogr ama de leyes de Zn

José Delgado
 Media 5.94242424
Error típico 0.22759573
Mediana 5.9
Moda 6.2
Desviación estándar 1.30743793
Varianza de la muestra 1.70939394
Curtosis 0.82345312
Coeficiente de asimetría -0.10479421
Rango 6.3
Mínimo 2.8
Máximo 9.1
Suma 196.1
Cuenta 33

José Delgado
 Centro Frecuenc Tip Frec acum Frec Frec
Clase Inf ClaseSup Cla ia Limit mod Limite teor Acumul obs.teoric estadig
2 3 2.5 1 2.499 -2.634 0.004 0.004 0.14 5.32
3 4 3.5 2 3.499 -1.869 0.031 0.027 0.88 1.43
4 5 4.5 4 4.499 -1.104 0.135 0.104 3.43 0.09
5 6 5.5 10 5.499 -0.339 0.367 0.232 7.67 0.71
6 7 6.5 9 6.499 0.426 0.665 0.298 9.82 0.07
7 8 7.5 5 7.499 1.191 0.883 0.218 7.20 0.67
8 9 8.5 1 8.499 1.955 0.975 0.092 3.02 1.35
9 10 9.5 1 9.499 2.720 1.000 0.025 0.83 0.03

33 9.68

delta 0.001

Numero de inter 8

Grados de libertad 7

Nivel de significancia 0.05 % Chi teorica 14.067

José Delgado
 12

10

0
2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5

obser vada teor i co

José Delgado
José Delgado