Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADISTICA
Docente:
Roy Cartier
Bachilleres:
Melfy Vielma C. I. N°
Paula Jerez C. I. N°
uno)....................................................................................................................................12
Probabilidad:
La probabilidad es una medida del grado de posibilidad de que un suceso aleatorio pueda ocurrir.
porcentaje entre 0 % y 100 %, donde un suceso imposible tiene probabilidad cero y un suceso
ocurre (en experimentos aleatorios bajo condiciones estables), y se procede a realizar cálculos
teóricos.
Para ello se sigue lo establecido por la Teoría de la probabilidad, una rama de las matemáticas
dedicada al estudio de la probabilidad. Esta disciplina es largamente empleada por otras ciencias
naturales y sociales como disciplina auxiliar, ya que les permite manejar escenarios posibles en
base a generalizaciones.
El origen de la probabilidad reside en la necesidad del ser humano de anticiparse a los hechos, y
de predecir en cierta medida el futuro. Así, en su empeño por percibir patrones y conexiones en
Así, por ejemplo, podemos calcular la probabilidad de que una moneda salga cara en un único
lanzamiento, pensando que sólo puede salir una cara (1) de las dos que hay (2), esto es, 1 / 2 x
seguidos, deberemos pensar que el caso favorable (cara y cara o sello y sello) es uno entre cuatro
posibilidades de resultado (cara y cara, cara y sello, sello y cara, sello y sello). Por ende, 1 / 4 x
Experimento:
numéricos.
o Todos los posibles resultados del experimento son conocidos antes de hacer una
(aleatoriedad).
Ejemplo: Lanzamiento de un dado, lanzamiento de una moneda, lanzamiento de una carta de una
baraja.
Evento aleatorio.
asignar una medida de probabilidad, y el conjunto de todos los sucesos aleatorios constituye una
σ-álgebra de conjuntos.
Espacio muestral.
consiste en el conjunto de todos los posibles resultados de un experimento aleatorio, junto con
Ω = {C, X}
Dónde C es cara y X es cruz. Esto es, los posibles resultados son cara o cruz.
Supongamos el caso de un dado con 6 caras. Enumeradas del 1 al 6 ¿Cuál sería el espacio
Ω = {1, 2, 3, 4, 5, 6}
Suceso.
uno de los posibles resultados que se pueden dar dentro de un experimento aleatorio.
Tipos de probabilidad:
o Frecuencial. Aquella que determina la cantidad de veces que un fenómeno puede ocurrir,
formal y no de su experimentación.
o Binomial. Aquella en la que se estudia el éxito o fracaso de un evento, o cualquier otro
o Lógica. La que posee como rasgo característico que establece la posibilidad de ocurrencia
o Condicionada. Aquella que se emplea para comprender la causalidad entre dos hechos
distintos, cuando puede determinarse la ocurrencia de uno tras la ocurrencia del otro.
Definición Axiomática de probabilidad.
En 1933 el matemático ruso Andrei Kolmogorov propuso una definición de probabilidad, que es
Los axiomas de probabilidad son las condiciones mínimas que deben verificarse para que una
Para hacer una definición rigurosa de la probabilidad, necesitamos precisar ciertas leyes o
axiomas que debe cumplir una función de probabilidad. Intuitivamente, estos axiomas deberían
implicar, entre otras, las siguientes cuestiones, que son lógicas en términos de lo que se puede
o La probabilidad sólo puede tomar valores comprendidos entre 0 y 1 (no puede haber
o La probabilidad de la unión de sucesos debe ser mayor o igual que la de cada uno de los
Más aún, si los sucesos son disjuntos (incompatibles) debe ocurrir que:
o La probabilidad del Suceso contrario a un suceso A de A, debe valer
discretas.
Distribuciones discretas:
Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una variable
aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que tiene valores
Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria discreta
puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una distribución de
Distribuciones continuas:
Una distribución continua describe las probabilidades de los posibles valores de una variable
aleatoria continua. Una variable aleatoria continua es una variable aleatoria con un conjunto de
Las probabilidades de las variables aleatorias continuas (X) se definen como el área por debajo
de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden tener una probabilidad
diferente de cero. La probabilidad de que una variable aleatoria continua equivalga a algún valor
siempre es cero.
Muestreo, diseño muestral y error (definición de cada uno).
Muestreo:
elementos de una población), se selecciona una muestra, entendiendo por tal una parte
representativa de la población.
El muestreo es por lo tanto una herramienta de la investigación científica, cuya función básica
es determinar qué parte de una población debe examinarse, con la finalidad de hacer inferencias
sobre dicha población. La muestra debe lograr una representación adecuada de la población, en
la que se reproduzca de la mejor manera los rasgos esenciales de dicha población que son
importantes para la investigación. Para que una muestra sea representativa, y por lo tanto útil,
Diseño muestral:
encaminados a seleccionar una muestra de una población objetivo de estudio, que cumple con
una serie de características estadísticamente deseables que sirven para asegurar niveles
va a realizar mediciones en campo. Es el instrumento con el que se cuenta para llegar a los
individuos que son de interés de una forma objetiva y además permite asegurar que con los datos
Error de muestreo:
El error del proceso de muestreo ocurre cuando los investigadores toman diferentes sujetos de la
misma población, y aún así, los sujetos tienen diferencias individuales. Cuando se toma una
muestra, se trata de un subconjunto de toda la población y, por lo tanto, puede haber una
investigador debe tratar de establecer una muestra que esté libre de sesgos y sea representativa de
Técnicas de muestreo:
Las técnicas de muestreo son un conjunto de técnicas estadísticas que estudian la forma de
seleccionar una muestra representativa de la población, es decir, que represente lo más fielmente
Muestreo probabilístico:
de grupos pequeños de una población) que utiliza formas de métodos de selección aleatoria.
o Muestreo aleatorio simple: se elige totalmente al azar entre todos los que forman parte
de la población.
población según alguna característica propia de cada parte (como nivel económico o
aleatoria. En este caso hablamos de afijación para referirnos a la importancia relativa que
damos a cada sección estudiada por separado, si todos las partes tienen el mismo número
de muestra será afijación simple, si cada parte tiene muestras proporcionales al tamaño de
esa parte afijación proporcional y será afijación óptima si el tamaño de la muestra de cada
o Muestreo sistemático: en este sistema, antes de comenzar a elegir las muestras, todos los
individuos tienen la misma posibilidad de pertenecer a ella, pero solo el primer elegido es
totalmente aleatorio porque, a partir de él, se eligen por un orden establecido (por
Muestreo no probabilístico:
El muestreo no probabilístico obtiene muestras sin que todos los individuos de la población
tengan posibilidades iguales de ser elegidos; esto suele ser así porque está fuera de las
posibilidades económicas y técnicas del estudio acceder a una muestra probabilística (por
ejemplo, si queremos estudiar a todos los alumnos de instituto pero solo tenemos acceso a los de
o Muestreo por conveniencia: sencillamente, se estudia lo que se tiene a mano sin ningún
o Muestreo consecutivo: igual que en el caso anterior se estudia sólo lo que está a nuestro
alcance pero aquí se exige que se estudie a todos los sujetos a los que podemos acceder
sin excepciones.
Es un poco más representativo que el anterior porque existe una característica común a
o Muestreo por cuotas: al igual que en el muestreo por conglomerado las muestras se
hace de manera aleatoria sino por elección del investigador de las que estima van a ser
más representativas.
o Muestreo bola de nieve: se estudia a un primer sujeto y le pedimos que sea él quien elija
cosas que componen la muestra extraída de una población, necesarios para que los datos
2.- Detectar una determinada diferencia, si realmente existe, entre los grupos de estudio con
un mínimo de garantía.
1.- Si el número de sujetos es insuficiente habría que modificar los criterios de selección,
Una fórmula muy extendida que orienta sobre el cálculo del tamaño de la muestra para
o Zα: es una constante que depende del nivel de confianza que asignemos. El nivel de
ciertos: un 95,5 % de confianza es lo mismo que decir que nos podemos equivocar con
(Por tanto si pretendemos obtener un nivel de confianza del 95% necesitamos poner en la
fórmula Zα=1.96)
o e: es el error muestral deseado, en tanto por ciento. El error muestral es la diferencia que
puede haber entre el resultado que obtenemos preguntando a una muestra de la población
muestral del 3% y el 60% de los encuestados se muestran satisfechos significa que entre
el 57% y el 63% (60% +/- 3%) del total de los empleados de la empresa lo estarán.
Ejemplo 3: si los resultados de una encuesta electoral indicaran que un partido iba a
obtener el 55% de los votos y el error estimado fuera del 3%, se estima que el porcentaje
dato es generalmente desconocido y se suele suponer que p=q=0.5 que es la opción más
segura.
población es la siguiente:
En donde:
o Z = nivel de confianza.
o Q = probabilidad de fracaso.
población es la siguiente:
En donde:
o N = tamaño de la población.
o Z = nivel de confianza.
o Q = probabilidad de fracaso.
1.- Para definir la población objetivo, se debe tener claridad absoluta sobre el objetivo
general del estudio, ya que éste será el guía para todos los pasos posteriores.
objetivo, puede ser una base de datos, un plano e incluso mapas. Es útil aclarar,
que en la práctica se diferencia la población objetivo de la población en estudio
Estimador:
datos de una muestra, con el objetivo de estimar o inferir características de una población o
modelo estadístico) al que se le exigen ciertas condiciones para que pueda calcular con garantías
Para que cumpla bien su función, además de que los estimadores cumplan su condición básica de
son las que permitirán que las conclusiones extraídas de nuestro estudio sean fiables.
Suficiente: La propiedad de suficiencia indica que el estimador trabaja con todos los
datos de la muestra. Por ejemplo, la media no escoge solo el 50% de los datos. Tiene en
concepto de límite. En palabras sencillas, viene a decirnos que los estimadores cumplen
esta propiedad cuando, en caso de que la muestra sea muy grande, puedan estimar casi
sin error.
Robusto: Se dice que un estimador es robusto en caso de que, a pesar de que la hipótesis