FICHA DE IDENTIFICACIÓN DE TRABAJO DE INVESTIGACIÓN

Título: consumo de gas natural en Bolivia

Autor: Edgar Oswaldo Condori Alvarado
Fecha: 05/12/2019

Código de estudiante: 44507

Carrera: Ingeniería en Gas y Petróleo

Asignatura: probabilidad y estadística
Grupo: “B”
Docente: Ing. Romero
Periodo Académico: 2/2019
Subsede: La Paz
Copyright © (AÑO) por (Edgar Oswaldo Condori Alvarado). Todos los derechos reservados.
RESUMEN:
Los ingenieros se ven enfrentados generalmente a la toma de decisiones en situaciones
en donde la incertidumbre, el azar y el riesgo, son relevantes. La formació n en
probabilidad y estadística es importante para su desempeñ o laboral. Se presenta una
breve descripció n de las técnicas estadísticas de mayor uso para generar informació n ú til
en la toma de decisiones, junto con algunas á reas y disciplinas que guardan relació n con
la ingeniería, para las cuales la probabilidad y la estadística tienen aplicació n.

Palabras clave:

ABSTRACT:

Engineers are generally faced with decision-making in situations where uncertainty, chance and risk
are relevant. Probability and statistical training is important for your job performance. A brief
description of the statistical techniques most commonly used to generate useful information in
decision-making is presented, along with some areas and disciplines that are related to engineering, for
which probability and statistics apply.

Key words:

TABLA DE CONTENIDOS
INTRODUCCION...........................................................................................................................4
Capítulo 1 Desarrollo.......................................................................................................................5
1. Importancia de la estadística en la industria petrolera..............................................................5
2. Redes de distribución de gas natural.......................................................................................5
Bibliografía y referencias..............................................................................................................25
 INTRODUCCION

La estadística y los métodos probabilísticos o estocásticos juegan un papel muy importante en todas
las áreas de la industria de los hidrocarburos. El uso de la probabilidad y de la estadística se
ha extendido, no tan solo a las áreas tradicionales universitarias o escolásticas, sino también a
todos los campos de la ingeniería, en este caso particular, la ingeniería de petróleos. En
donde la estadística, como rama de las matemáticas, es una ciencia ingenieril de gran
aplicación, no tan solo en la toma de decisiones, si no en los procesos investigativos,
para el correcto manejo y tratamiento de la información, sobre todo con los datos cuantitativos,
dándole confiabilidad a las investigaciones al enfrentar correctamente las hipótesis que se
plantean. Este texto guía de probabilidad y de estadística, está diseñado para cursos de
pregrado de la Ingeniería de petróleos y para la aplicación en la industria de los
hidrocarburos como tal. En donde, para un buen entendimiento del texto, se requiere que el
lector tenga conocimientos previos de estadística, El texto es una compilación teórica de más de
6 libros de referencias bibliográficas de probabilidad y de estadística, donde sus ejemplos están
orientados tan solo a la ingeniería de petróleos y la industria de los hidrocarburos, por otra
parte el texto incluye un glosario con las palabras más relevantes de cada sección.
El texto consta de más de 250 páginas que incluyen conceptos teóricos, varios ejercicios
prácticos, resueltos y propuestos. El propósito del texto es el de ayudar
al lector a entender los conceptos, ideas y funciones de la probabilidad y de la estadística
aplicados a problemas de la ingeniería de petróleos. El texto deberá ser también útil para
aquellos estudiosos quienes deseen hacer aplicaciones de la probabilidad y de estadística a
problemas de la ingeniería en términos generales, así como también a la investigación.
 Capítulo 1 Desarrollo

Prueba de hipótesis

Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el
parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar basada en
alguna creencia o experiencia pasada que será contrastada con la evidencia que nosotros
obtengamos a través de la información contenida en la muestra. Esto es a lo que llamamos
Prueba de Hipótesis
Una prueba de hipótesis comprende cuatro componentes principales:
-Hipótesis Nula
-Hipótesis Alternativa
-Estadística de Prueba
-Región de Rechazo

La Hipótesis Nula, denotada como H0 siempre especifica un solo valor del parámetro de la
población si la hipótesis es simple o un conjunto de valores si es compuesta (es lo que queremos
desacreditar)

La Hipótesis Alternativa, denotada como H1 es la que responde nuestra pregunta, la que se

establece en base a la evidencia que tenemos. Puede tener cuatro formas:

Como las conclusiones a las que lleguemos se basan en una muestra, hay posibilidades de que nos
equivoquemos.
Dos decisiones correctas son posibles:
Rechazar H0 cuando es falsa No Rechazar H0 cuando es verdadera. Dos decisiones incorrectas son
posibles: Rechazar H0 cuando es verdadera No Rechazar H0 cuando es falsa.
Tamaño de los errores al tomar una decisión incorrecta en una Prueba de Hipótesis

La Probabilidad de cometer un error Tipo I se conoce como Nivel de Significancia, se

denota como α y es el tamaño de la región de rechazo El complemento de la región de
rechazo es 1 − α y es conocido como el Coeficiente de Confianza En una prueba de
Hipótesis de dos colas la región de no rechazo corresponde a un intervalo de confianza para
el parámetro en cuestión

La Región de Rechazo es el conjunto de valores tales que si la prueba estadística cae dentro
de este rango, decidimos rechazar la Hipótesis Nula
Su localización depende de la forma de la Hipótesis Alternativa: Si entonces la región se
encuentra en la cola derecha de la distribución de la estadística de prueba.

Si entonces la región se encuentra en la cola izquierda de la distribución de la estadística de

prueba
Si entonces la región se divide en dos partes, una parte estará en la cola derecha de la
distribución de la estadística de prueba y la otra en la cola izquierda de la distribución de la
estadística de prueba.
Muestreo
Es un procedimiento para conocer algunas características de la población con base en una muestra
extraída de ella.
El objetivo de un diseño de muestreo es proporcionar indicaciones para la selección de una muestra
que sea representativa de la población.
Ventajas del método de muestreo con relación al censo
1. Costo reducido.
2. Mayor rapidez
3. Mayores Posibilidades: Aquellas encuestas que están basadas en el método de muestreo tienen un
mayor alcance y flexibilidad de acuerdo al tipo de información que pueda ser obtenida.
4. El muestreo puede ser más preciso que el censo. Esto es debido a que cuando el volumen de
trabajo es reducido se puede emplear personal capacitado al cual se le puede someter a
entrenamiento intensivo.
5. Cuando la medición del elemento trae consigo la destrucción o deterioro del mismo (control de
calidad). Ej.: Calidad de las bombillas para Flash.
6. Cuando la población sea infinita o tan grande que le quede al investigador físicamente imposible
estudiar toda la población.

Casos en que el censo es preferible al muestreo

1. Un tamaño de población reducida.

2. Cuando la varianza de la característica que se está midiendo es muy grande.
3. Cuando los costos del error sean altos (error muestral + error no muestral).
Error: Es de esperarse que ningún estudio sea cien por cien preciso. Siempre existirán diferencias,
unas veces muy pequeñas otras muy grandes. Estas diferencias entre la información obtenida a
través de un estudio de investigación y la verdadera información es lo que en investigación se
conoce como error.

Este error total proviene de dos fuentes: Error Muestral + Error No Muestral.
Error muestral: Este comprende las diferencias ente los resultados de la muestra y el verdadero
valor de la población.
Error no muestral: Son todos aquellos errores susceptibles de incurrir a lo largo del proceso
investigativo y diferentes a lo que aquí se ha llamado Error muestral.
Mencionemos algunos:

• Error por mala identificación del problema o diferenciación pobre del problema.
• Errores por incapacidad para identificar la información específica requerida.
• Imperfecciones en el diseño del cuestionario.
• Error en la especificación del marco muestral donde Marco muestral es un listado de las unidades
muéstrales o listado de todos los elementos de la población.
• El encuestado responde sobre algo que no sabe.
• El encuestado intencionalmente suministra información incorrecta.
• El encuestado suministra información imprecisa, debido a fallas de memoria.
• Sesgos generados por el encuestador al influir con su tono de voz, explicaciones o apariencia
personal, en el encuestado.
• Sesgos generados por el encuestador al registrar incorrectamente las respuestas de los
encuestados. • Sesgos generados por el encuestador al desviarse de las instrucciones que se le han
dado.
• Errores generados durante la codificación, tabulación, edición, etc.
• Errores en la interpretación de los datos.
Etapas del proceso de muestreo

• Definir claramente la población.

• Especificar el marco muestral.
• Especificar el método de Muestreo (diseño): Muestreo probabilistico y muestreo no
probabilistico.
• Determinar el tamaño de la muestra.
• Especificar el plan de muestreo. En éste se definen los procedimientos operacionales para la
selección de las unidades muéstrales.
• Seleccionar la muestra.
Métodos de muestreo
De acuerdo con el conocimiento o no que se tenga de la población, el muestreo puede ser: Muestreo
Probabilístico y No Probabilístico.
Muestreo probabilístico
Con éste método es posible determinar la probabilidad que tiene cada elemento de la población de
ser escogido en la muestra. Cuando las muestras son aleatorias, se pueden hacer afirmaciones
probabilísticas acerca de la población en estudio.

Muestreo no probabilístico
Si se utiliza este método no se puede establecer de una manera exacta la probabilidad de que un
elemento de la población participe en la muestra. Sin embargo, tiene su aplicación en los estudios
exploratorios. Cuando las muestras se seleccionen de manera No aleatoria, sólo es posible hacer
afirmaciones de tipo descriptivo sobre la muestra. Los procedimientos No aleatorios de muestreo
nunca deben usarse cuando el objetivo del muestreo es hacer inferencias.
Muéstreos probabilísticos

1. Muestreo aleatorio simple (M A.S.) El M.A.S.

es un método de selección de n unidades, sacadas de una población homogénea de tamaño N de tal
manera que cada una de las muestras, tengan la misma oportunidad de ser escogidas. En el M.A.S.
la muestra es sacada al azar unidad por unidad.
La muestra puede ser seleccionada utilizando muestreo con reemplazo o sin remplazo. El muestreo
sin remplazo es aquel en el que un número que ha sido sacado no es reemplazado, ya que esto daría
lugar a que la misma unidad entrara en la muestra más de una vez.
El muestreo sin remplazo es un caso contrario.
Donde s2 es la varianza Poblacional, N es el numero de elementos de la población, y E es la cota
para el error de estimación.

Cuando N es muy grande;

2. Muestreo estratificado aleatorio (M.E A.)

El M.E.A. se utiliza cuando la población es heterogénea y se tiene un listado de ella. En esta técnica
la población de N unidades es dividida en subpoblaciones o estratos internamente homogéneos:
N1 ,N2,N3,..., NL. Estas subpoblaciones son excluyentes y al reunirlas forman la totalidad de la
población. Para obtener un beneficio completo de la estratificación, deben ser conocidos y
especificados los valores de Nh (tamaño de los estratos), con h = 1,2,..., L. Una vez que han sido
determinados los estratos, se saca una muestra de cada una de ellos en forma independiente y que
representaremos por n1 , n2, n3, ..., nL. Si se toma una muestra simple aleatoria de cada estrato, el
procedimiento completo es conocido como “Muestreo estratificado aleatorio”.

Razones para emplear la estratificación

• Cuando se desee información con cierta precisión en algunas subdivisiones de la población, puesto
que así se puede tratar cada subdivisión como una población por sí sola.
• Por conveniencias de tipo administrativo.
• Cuando los problemas de muestreo difieren marcadamente en diferentes partes de la población.
• Con la estratificación se obtiene una mayor precisión en los estimadores de las características de
toda la población puesto que los estratos son más homogéneos que la población.

2.1. Tamaño de la muestra para la estimación de u..

Utilizando la Afijación proporcional en el que el tamaño de la muestra es proporcional al tamaño
del estrato.

donde Ni es el número de elementos del estrato i y

3. Muestreo por conglomerados

El muestreo por conglomerados se utiliza:

• Cuando no existe una lista de todos los elementos de la población, o sería muy costoso obtenerla.
• La población es grande y está dispersa en una región muy extensa.
El procedimiento en el muestreo por conglomerados consiste en dividir la población en M grupos
denominados conglomerados.

Después de dividir la población en conglomerados y tener un listado de ellos, se seleccionan al azar

algunos de ellos utilizando M.A.S. y posteriormente llevar a cabo un censo completo en cada uno
de los conglomerados seleccionados.
En el muestreo aleatorio estratificado las unidades muéstrales son los elementos individuales de la
población, mientras que en el muestreo por conglomerados las unidades muéstrales son
conglomerados de elementos.
El tamaño de muestra, cuando se utiliza muestreo por conglomerados, equivale a escoger el número
m de conglomerados de elementos de una población de M conglomerados.
Es importante recalcar que, en el muestreo por conglomerados, se puede incrementar la información
obtenida de la población, seleccionando un mayor número de conglomerados de menor tamaño. La
excepción a esta regla es el caso en que la población consiste en muchos grupos homogéneos
pequeños. Los conglomerados deben ser heterogéneos dentro de sí.
En algunos casos se puede reducir el error de muestreo utilizando un mayor número de
conglomerados pequeños en lugar de unos cuantos conglomerados grandes.
Muestreo por conglomerados bietápico
El muestreo por conglomerados bietápico se utiliza:
• Cuando un conglomerado contiene demasiados elementos para obtener una medición de cada uno
de ellos,
• Cuando los elementos de un conglomerado son tan semejantes que la medición de sólo irnos
cuantos proporciona información sobre el conglomerado completo.
Cuando ocurre alguna de estas situaciones el experimentador puede seleccionar una muestra
aleatoria de conglomerados y después tomar una muestra aleatoria de los elementos dentro de cada
conglomerado.
Por ejemplo, puede realizarse con propósitos de control de calidad. Así, el inspector comúnmente
muestrea cajas y después muestrea paquetes dentro de cajas. También, cuando se están mues-
treando artículos producidos en diversas etapas de proceso, uno podría muestrear etapas del proceso
y posteriormente muestrear artículos producidos en cada etapa muestreada.

Existen dos condiciones para seleccionar una muestra por conglomerados en dos etapas.

1. Proximidad geográfica de los elementos dentro de un conglomerado,

2. Tamaños de conglomerado convenientes para su manejo.
Para seleccionar una muestra,
1. Se obtiene un marco muestral que liste todos los conglomerados en la población.
2. Se selecciona una muestra aleatoria de conglomerados aplicando M.A.S.,
3. Se obtienen marcos muéstrales que listen todas las unidades de cada uno de los conglomerados
seleccionados, y
4. Se selecciona una muestra aleatoria de los elementos de cada uno de estos marcos muéstrales.
Muestreo poliétapico
El muestreo por conglomerados bietápico puede extenderse a un muestreo de tres etapas, cuatro
etapas,...o muestreo polietápico.
Por ejemplo, las agencias que efectúan encuestas de opinión pública pueden disponer de un listado
de las universidades de un país, donde cada uno de éstas se constituye en un conglomerado. Se
selecciona una muestra de universidades, las cuales a su vez están conformados por facul- tades.
Posteriormente se selecciona una muestra facultades de cada una de las universidades seleccionadas
anteriormente. Luego se selecciona una muestra de estudiantes de cada facultad seleccionada que
serían los elementos muéstrales a empadronar.

El Muestreo por áreas es un caso especial del muestreo por conglomerados, en el cual la población
es dividida por áreas geográficas. Luego se selecciona una muestra de estas áreas en forma aleatoria
y posteriormente se realiza un muestreo o un censo, para determinar los elementos de cada área
elegida que serán encuestados.
Este muestreo es muy utilizado puesto que no requiere de un marco muestral que identifique los
elementos que conforman la población.
 CAPÍTULO 3. CUESTIONARIO

1¿Cuál es la importancia de la estadística en la industria petrolera?

R= En la industria petrolera se debe tomar decisiones que permitan la optimización de proceso y

la maximización de las ganancias, daciones sobre los motivos a invertir, las reservas recuperadas,
las tasas de producción esperadas, pueden hacerse de manera inteligente con la ayuda de un
análisis estadístico.
2¿Qué son las Redes de distribución de gas natural?

R= Como parte del proceso de apertura, dentro el sector hidrocarburos, que inició Bolivia al
comenzar la década de los noventa, la empresa estatal de hidrocarburos en Bolivia, Yacimientos
Petrolíferos Fiscales Bolivianos (YPFB) decidió abrir el espacio necesario para que el sector
privado invierta en las redes de distribución de gas natural.

3¿de qué se encarga EMCOGAS?

R= se encargada de la distribución en Cochabamba, Quillacollo y Cliza.

4¿Por qué se necesitan pruebas de hipótesis?

R= Después de todo, tomamos una muestra aleatoria y nuestra media de la muestra de

330.6 es diferente de 260. Es diferente ¿verdad? Desafortunadamente, el panorama es
confuso porque se está viendo una muestra en lugar de toda la población.

5¿Qué es una aleatoria continua?

R= Es aquella que resulta generalmente de la medición y puede tomar cualquier valor

dentro de un intervalo dado.

6¿indique el tipo de variables?

R= Variable aleatoria, Variable aleatoria discreta y Variable aleatoria continua

7¿Qué es la distribución binomial?

 R= describe el número de aciertos en una serie de n experimentos independientes con
posibles resultados binarios, es decir, de «sí» o «no», todos ellos con probabilidad de
acierto p y probabilidad de fallo q = 1 − p.

8¿qué describe la distribución beta-binomial?

R= describe el número de aciertos en una serie de n experimentos independientes con

posibles resultados «sí» o «no», cada uno de ellos con una probabilidad de acierto variable
definida por una beta.

9¿Qué es la ley de Benford?

R= describe la frecuencia del primer dígito de un conjunto de números en notación decimal.

10¿Qué describe la distribución binomial negativa?

R= describe el número de ensayos de Bernoulli independientes necesarios para conseguir n

aciertos, dada una probabilidad individual de éxito p constante.

11¿comose hace una encuesta de hogares?

R= las Encuestas a Hogares dentro el Programa de Mejoramiento de Encuestas y Medición de

Condiciones de Vida (MECOVI), que periódicamente lleva a cabo el

Instituto Nacional de Estadística de la República de Bolivia (INE).

12¿Cuáles son los análisis de bien estar?

R= es la distribución de probabilidad del cociente. Se aplica cuando la población estudiada

sigue una distribución normal pero el tamaño muestral es demasiado pequeño como para
que el estadístico en el que está basada la inferencia este normalmente distribuido,
utilizándose una estimación de la desviación típica en lugar del valor real.
13¿Qué es la prueba de chi cuadrado?

R= La Prueba de Bondad de Ajuste, consiste en determinar si los datos de cierta muestra

corresponden a cierta distribución poblacional.
14¿en qué consiste la prueba de independencia?

R= Consiste en comprobar si dos características cualitativas están relacionadas entre sí (por

ejemplo: ¿el color de ojos está relacionado con el color de los cabellos?). Aunque
conceptualmente difiere del anterior, operativamente proporciona los mismos resultados.
15¿cules son los porcentajes de familias urbanas con acceso a las redes de gas
natural?

R=
Título: pliegues
Autor: Edgar Oswaldo Condori Alvarado

Bibliografía y referencias

 BANKS, R., R. BLUNDELL y A. LEWBEL (1997). “Quadratic Engel curves and

consumer demand”, The Review of Economics and Statistics, No. 4, Vol. 79, pp. 527-539.
 MEDINACELI, M. (2005). “Consumo de Gas Natural en el Mercado Interno Urbano:
¿Beneficia a los Pobres? – Un análisis de microsimulación”, Revista de Estudios
Económicos y Sociales, No. 4. “Estadísticas y Análisis”. Instituto Nacional de Estadística.
Septiembre de 2005.

25
Asignatura: geología estructural
Carrera: ingeniería en gas y petró leo