ESCUELA DE POSGRADO DE LA UNIVERSIDAD NACIONAL DANIEL

ALCIDES CARRIÓN

ESTADISTICA APLICADA A LA
INVESTIGACIÓN
 SEMANA 01: COMENTARIOS SOBRE EL
DESARROLLO DEL CURSO
TEMARIO:
1.- BASES CIENTÍFICAS DE LA ESTADÍSTICA-
PROBABILIDADES - ESTADISTICA DESCRIPTIVA
2.- ANALISIS CUANTITATIVA Y CUALITATIVA DE DATOS
3.- CONTRASTE DE HIPÓTESIS PARA VARIAS MUESTRAS
4.- ANALISIS DE REGRESIÓN LINEAL Y NO LINEAL
 PROBABILIDADES

ANTES DE ENTRAR A LAS DEFINICIONES DE LA TEORÍA

DE LAS PROBABILIDADES, HAREMOS UN BREVE
REPASO DE INFORMACIÓN NECESARIA PARA
NUESTROS CASOS DE INVESTIGACIÓN ALGUNOS
CONCEPTOS COMO SON: MODELO MATEMÁTICO, EL
ANÁLISIS COMBINATORIO, ETC., DE MANERA QUE SE
PUEDA ENTENDER MEJOR LA SELECCIÓN DE
NUESTRAS VARIABLES USADAS EN PROYECTOS DE
INVESTIGACIÓN
 MODELO MATEMÁTICO
Un modelo matemático es una descripción que indica una acción
(uso de funciones o una ecuación) de un fenómeno del mundo real
como por ejemplo:
• El tamaño de una población
• La demanda por un producto
• La rapidez de la caída de un objeto
• La concentración en una reacción química
• La expectativa de vida de una persona cuando nace
• La variación del área de un terreno de acuerdo a sus
dimensiones, etc.
 TIPOS DE MODELOS

Modelo Modelo Modelo

Lineal Polineal Cuadrático

Modelo Cúbico
Tipos de Modelos

Modelo Modelo
Trigonométrico Exponencial
 EJEMPLO DE MODELO LINEAL

Varón Mujer Un Modelo Lineal, suponemos como un hombre y una mujer

se despiden y empiezan a alejarse uno del otro. Y los
2 mt. 1 mt. recorridos medidos o calculados en un mismo tiempo “t” se
muestra.
4 mt. 2 mt.

10 mt. 4.85 mt.

13 mt. 6.75 mt.

18.5 mt. 9 mt.

20 mt. 10 mt.

27. mt. 13.40 mt.

MODELO CUADRÁTICO

Un Ingeniero debe diseñar un puente colgante, para ello requiere que

todo el peso del puente esté bien distribuido a lo largo de los cables de los
cuales debe colgar el puente, se han realizado las siguientes mediciones
como se muestra en el cuadro.
 COMENTARIO

•
SOLUCIÓN

•
 ANALISIS COMBINATORIO

• SE UTILIZA COMO FUNDAMENTO DE LAS PROBABILIDADES Y SU

APLICACIÓN EN LOS PROCESOS ESTADÍSTICOS

• UTILIZAR LAS PROPIEDADES CONJUNTIVISTAS PARA EL

PLANTEAMIENTO DEL PROBLEMA EN LA INVESTIGACIÓN .

ANÁLISIS COMBINATORIO : SE DEFINE COMO PARTE DE LAS

MATEMÁTICAS QUE ESTUDIA SISTEMÁTICAMENTE LOS DISTINTOS
ORDENAMIENTOS DE LOS DIFERENTES ELEMENTOS DE UN CONJUNTO DE
UN NÚMERO DETERMINADO DE SUCESOS .
 ANALISIS COMBINATORIO

PRINCIPIO FUNDAMENTAL :
• SI ALGÚN SUCESO PUEDE REALIZARSE DE “M” MANERAS DIFERENTES Y OTRA SELECCIÓN PUEDE EFECTUARSE DE “N”
MANERAS DISTINTAS, AMBAS SELECCIONES SE PUEDEN PRODUCIR DE “M * N” MANERAS DIFERENTES, EJEMPLO:

1. SI UN PARTIDO POLÍTICO TIENE 3 CANDIDATOS A LA PRESIDENCIA Y 5 CANDIDATOS A LA VICEPRESIDENCIA EL

NÚMERO DE PAREJAS DISTINTAS DE CANDIDATOS PARA AMBOS CARGOS ES:

……… SE FORMARAN DE 3*5 = 15 FORMAS

2. UNA PLACA RADIOGRÁFICA CONTIENE DOS LETRAS SEGUIDAS DE TRES DÍGITOS, CON EL PRIMER DIGITO DIFERENTE DE
CERO ¿CUÁNTAS PLACAS RADIOGRÁFICAS DIFERENTES PUEDEN FORMARSE?

FORMULANDO LA COMBINACIÓN: L1 L1 # # #
 ANALISIS COMBINATORIO

PRINCIPIO FUNDAMENTAL:
LA EMPRESA TIENE 3 CAMIONETAS PARA REALIZAR LA SUPERVISIÓN DE SUS LABORES, Y 4 OPERADORES
DISPONIBLES, ENTONCES CUÁLES Y CUANTOS DIFERENTES FORMAS DE UTILIZACIÓN TENDRÁ PARA HACER
TRABAJAR ESTOS EQUIPOS.

PLANTEAMOS LA FORMULA:

C 1 ….. P1 P2 P3 P4 C 2 ….. P1 P2 P3 P4 C 3 ….. P1 P2 P3 P4

4 FORMAS 4 FORMAS 4 FORMAS

LUEGO ANALIZANDO LAS FORMAS TENEMOS:

 APLICACIÓN
Supongamos que Alberto (A), Beatriz (B), Carlos (C) y
Daniel (D), se quieren sentar en dos sillas disponibles. ¿
de cuantas maneras diferentes se pueden ubicar estas
persona?
Silla 1 A A A B B B C C C D D D
Silla 2

12 maneras diferentes
 PRINCIPIOS FUNDAMENTALES
A.- Principio fundamental de la adición:

Si el Evento “A” puede ocurrir la “K1” formas diferentes y el Evento “B” de “k2”
formas diferentes, además se sabe que “A” y “B” no pueden ocurrir
simultáneamente, entonces el Evento “A” ó “B” se podrá realizar de “K1+K2”
formas diferentes (Llamado eventos excluyentes)

B.- Principio fundamental de la multiplicación:

Si un evento “A” puede ocurrir de “k1” formas distintas y después de haber

ocurrido cualquiera de ellas, puede ocurrir otro evento “B” de “k2” formas
distintas; entonces los eventos “A” y “B” pueden ocurrir conjuntamente de
“k1*k2” formas diferentes.
 PERMUTACIONES (P”)
Se denomina permutación de un grupo “k” elementos a la cantidad de
ordenamientos que se pueden realizar con “k” elementos sin alterar la
cantidad de elementos. Se designa por modelos matemáticos como:
 PROBABILIDADES
El concepto de Probabilidad, se encuentra con bastante frecuencia en la
comunicación de las investigaciones en casi todas las carreras
profesionales, con mayor frecuencia en las ciencias médicas e
Ingeniería.
Por ejemplo:
- Un Ingeniero Informa, que existe un 75% de que se deslice el talud en el tajo de operaciones
- Un médico afirma que el paciente X tiene una oportunidad de 50% de sobrevivir a una operación,
o que un paciente tiene 80% de probabilidades de tener una enfermedad particular.
- Una fuente autorizada del Ministerio de Salud; declara a la prensa de que este verano hay 1% de
posibilidades de que se desate una epidemia de colera en la capital.
- La Gerencia de Planeamiento de la Unidad Minera X, estima que la este año debido a la pandemia
COVID-19, se reducirá el personal en 2% a 3%, debido al incumplimiento de los protocolos de
bioseguridad
 ¿POR QUÉ ES NECESARIO APRENDER A CALCULAR
PROBABILIDADES ?
Toda carrera Profesional trabaja con la estimación o probabilidades de que un proyecto sea
ejecutada bajo una incertidumbre es aquí, cuando se hace uso de las estimaciones
probabilísticas,
Por Ejemplo:
- Se sabe que la medicina es una ciencia inexacta por lo que el médico raras veces puede
predecir un resultado con absoluta certeza.
- Un ingeniero al desarrollar un proyecto establece que el resultado de cumplimiento tenga
una certeza del 100%, bajo condiciones anormales de clima.
- Un científico para establecer la certeza de sus análisis antibacteriales estima, que le falta
determinar las posibilidades que en organismo humano soporte la vacuna.
- Otros casos:
- Un médico para formular el diagnóstico de un paciente debe contar con los siguientes:
• Revisar la historia clínica
• Realizar un examen físico del paciente
• Solicitar estudios de laboratorio
• Contar con resultados de rayo X, etc.
 ¿POR QUÉ ES NECESARIO APRENDER A CALCULAR PROBABILIDADES?
Sabemos que los resultados de ninguna
prueba es absolutamente exacto, eso
no afecta la probabilidad de la
presencia o ausencia de un riesgo.
Para cuantificar la incerteza inherente
al proceso de toma de decisiones, todo
profesional se apoya en la Teoría de la
probabilidades
Por tanto;
Entender las probabilidades es
fundamental para el proceso de toma
de decisiones en todas las áreas de la
Investigación.
¿POR QUÉ ES NECESARIO APRENDER A CALCULAR PROBABILIDADES?

La teoría de las probabilidades

también permitirá al profesional
a extraer conclusiones acerca de
una POBLACIÓN, de elementos
basado en la información acerca
de la MUESTRA de los mismos
que son extraídas de esa
población.
Este proceso se denomina
INFERENCIA ESTADISTICA
· Estimación puntual: instrumento estadístico que intenta asignar un
solo valor lo más cercano posible al valor verdadero del parámetro de la
población. Dicho estimador es una variable aleatoria, por lo que resulta
necesario considerar los parámetros de dichas variables para obtener el
mejor estimador.
· Estimador intervalar: es una forma de establecer la precisión o
confiabilidad de un estimador puntual. La construcción de este intervalo a
partir de la información observada y recopilada de una muestra provee
una banda alrededor del parámetro estimado, asegurando con una
probabilidad determinada que dicho parámetro esté ubicado dentro del
intervalo.
 CONCEPTOS BÁSICOS SOBRE PROBABILIDAD

La probabilidad es la Posibilidad de
que algo ocurra
Las Probabilidades se expresan
como fracciones o como decimales,
que están entre uno y cero

❑ Tener una probabilidad de cero

significa que algo nunca va a
suceder.
❑ Una probabilidad de uno indica
que algo va a suceder siempre.
 CONCEPTOS BÁSICOS SOBRE PROBABILIDAD
Un experimento aleatorio, es aquel en que
se conocen todos los posibles resultados.
Pero no se sabe cual va a ocurrir.
Por ejemplo:
El nacimiento de un niño es un
experimento aleatorio , se sabe que el
niño puede ser varón o mujer, pero no se
sabe cuál será el resultado
Un Evento, es uno o más de los posibles
resultados de un experimento aleatorio.
Así como:
Los eventos del experimento aleatorio
son: Varón - Mujer
 CONCEPTOS BÁSICOS SOBRE PROBABILIDAD

Al conjunto de todos los resultados posibles de un

experimento se le llama Espacio Muestral del
experimento

Por ejemplo:
Espacio muestral
{ varón, mujer}

Se dice que dos eventos son mutuamente

excluyentes, cuando uno y solo uno de ellos puede
tener lugar a un tiempo.

Cuando en una lista de los posibles eventos que

pueden resultar de un experimento se incluyen
todos los resultados posibles, se dice que la lista es
Colectivamente exhaustiva.
 DEFINICIÓN DE PROBABILIDAD
Existen tres maneras básicas de
definir la probabilidad:
Estas tres definiciones presentan
planteamientos conceptuales
bastante diferentes:

❑ Definición clásica
❑ Frecuencia relativa de
ocurrencia
❑ Probabilidad subjetiva
 PROBABILIDAD CLÁSICA
La probabilidad clásica, a menudo se le conoce como la probabilidad a
priori, debido a que si utilizamos ejemplos previsibles como monedas
no alteradas, dados no cargados y mazos de barajas normales, entonces
podemos establecer la respuesta de antemano, sin necesidad de lanzar
una moneda, un dado o tomar una carta. No tenemos que efectuar
experimentos para poder llegar a conclusiones.
Este planteamiento de la probabilidad tiene serios problemas cuando
intentamos aplicarlo a los problemas de toma de decisiones menos
previsibles.
La probabilidad clásica supone también una especie de simetría en el
mundo
PROBABILIDAD CLÁSICA
 CONCLUSIONES DE PROBABILIDAD
Se necesita tener en cuanta para el desarrollo de una investigación los
siguientes :
1.- Un experimento aleatorio, es tal que se conocen sólo los posibles
resultados
2.- El espacio muestral (E), es el conjunto en el cual están todos los
posibles resultados del experimento aleatorio.
3.- Un suceso o evento (A) : Es “A” es un subconjunto del
espacio muestral “E“ lo que se busca en todo proyecto
es que la probabilidad de que el vento ocurra,
E
A
 VARIABLES
Una Variable podemos definir de la siguiente manera como un concepto menos
abstracto del concepto del cual proviene y se puede observar en la realidad.
Una variable contiene indicadores a través de los cuales se pueden contar y/o medir
aspectos concretos del concepto.

Las variables de investigación de cualquier proceso de investigación o experimento

científico son factores que pueden ser manipulados y medidos.
las variables de la investigación, son las características y propiedades cuantitativas o
cualitativas de un objeto o fenómeno que adquieren distintos valores, o sea, varían
respecto a las unidades de observación.

Por ejemplo, la variable sexo puede tomar dos valores: femenino y masculino.
 VARIABLE ALEATORIA
Una variable aleatoria es una función que asigna un valor, usualmente
numérico, al resultado de un experimento aleatorio.

Por ejemplo, los posibles resultados de tirar un dado dos veces: (1, 1), (1,
2), etc. o un número real (Ejm. la temperatura máxima medida a lo largo del
día en una ciudad concreta)
NOTACIÓN. Letra mayúscula: v.a de la función Ejm. X = va.
Letra Minúscula, Valor de la v.a. Ejm. x = valor de la v.a.

VARIABLE ALEATORIA DISCRETA (VAD): Toma valores de

un conjunto numerable.
VARIABLE ALEATORIA CONTÍNUA (VAC): Toma valores de
un conjunto infinito no numerable..
DISTRIBUCIÓN ESTADÍSTICA
DISCRETA
 DISTRIBUCIONES DISCRETAS
Una distribución discreta, describe la probabilidad de ocurrencia de cada
valor de una variable aleatoria discreta.
Por lo tanto, una distribución de probabilidad discreta suele representarse
en forma tabular (hoja Excel)
Es necesario aclara que una probabilidad siempre debe ser 100%, mejor dicho una
distribución probabilística la suma de las partes fraccionadas para ser validas deben
ser igual a 100%, aclarando que no existe probabilidad negativa, tampoco exceder a
100, si esto sucede decimos que la probabilidad esta mal distribuida.
 CASO
Un evento del análisis de las aguas de mina, se han tomado
muestras, estas lo realizan los estudiantes de la maestría
divididas en tres grupos “A”, “B” y “C”, ellos deben determinar
la probabilidad de la acidez del agua, y poder establecer su
tratamiento y presentaron el siguiente resultado:
GRUPO DE TRABAJO NUMERO DE MUESTRAS GRADO DE ACIDEZ
A 20 0,29
B 24 0,38
C 31 0,25

Usted esta en la capacidad de validar este informe?

 A +B +C 75 0,92
A 20/75 0,267
B 24/75 0,320
C 31/75 0,413
Validación de una probabilidad 1,00 = 100%
 DISTRIBUCIÓN DE BERNOULLI:
La distribución de Bernoulli es un modelo teórico
utilizado para representar una variable aleatoria
discreta la cual solo puede resultar en dos
sucesos mutuamente excluyentes. Es tos son de
Éxito (E) y Fracaso (F),
Decimos :
- Probabilidad de éxito: p
- Probabilidad de fracaso: q = 1-p
- E(X) = p
- Valor (X) = p.q.
 EJEMPLO
En una encuesta se le pide que conteste una interrogante;
¿Qué piensa usted de su presidente?
Asumiendo que la gente contesta:
Desfavorable : ……………..40%
Favorable:..…………………..60%
60%

40%
0,49 0,49

0 0,6 1 p
D M F
DISTRIBUCIÓN BINOMIAL

- Propiedad de éxito
- q = 1 –p : probabilidad de fracaso
- El experimento se repite “ n” veces
- Esas “n” repeticiones deben ser independientes entre si
- X Número de éxitos en la “n” pruebas
- Rango: Rx = {o, 1, 2, …,n}
 EJEMPLO
En Una fabrica de focos, el 5% sale con defectos, determinar la
probabilidad de que en una muestra de 12 focos, se encuentra 2 focos
defectuosos, identifique y plantee la probabilidad.
Identificando el tipo de distribución.
- Se trata de un experimento en un ensayo de “n” veces resultados
- El ensayo debe tener sólo debe tener 2 resultados
- Estos resultados deben ser constantes; entonces:
1). “n” = 12 ensayos
2). Cada ensayo debe arrojar solo dos casos (buenas y defectuosas)
3). Entre cada ensayo existe 5% de defectuosos.
Relacionando variables:
X = variable aleatoria que depende del azar
x = n’ = numero de focos defectuosos
k = valor que toma la variable para el cada es = 2
n = 12 número de veces que se van a repetir el ensayo
P = probabilidad 5% = 5/100 = 0,05…..éxito
q = 1-p en cada ensayo salga el fracaso o focos defectuosos:
q = 1 – p = 1 – 0,05 = 0,95
Desarrollando en el modelo estadístico de probabilidades:
P(X-2) = 0,0988= 9,88%, que nos indica que siempre dos de ellos serán
defectuosos.
 DISTRIBUCIÓN HIPERGEOMÉTRICA
Es una distribución discreta que modela el número de eventos
en una muestra de tamaño fijo cuando usted conoce el número
total de elementos en la población de la cual proviene la
muestra. Cada elemento de la muestra tiene dos resultados
posibles (es un evento o un no evento).
 EJEMPLO:
En una caja hay 10 celulares de los cuales hay 3 celulares dañados, si se
sacan 5 celulares de la caja ¿Cuál es la probabilidad de sacar un celular
dañado?
Analizando los datos:
N = Número total de la población
k = número de éxitos de la población
n = número de muestras
X = número de éxitos de la muestra
Además:
N = 10 celulares , k = 3 cel. Dañados , n = número de la muestra, x = , X = 1, x = Celulares dañados.
DISTRIBUCIÓN DE PASCAL
 EJEMPLO

Un ejemplo de este modelo podría ser la experiencia consistente en

lanzar sucesivamente un dado regular hasta que aparezca el número 6.
Si definimos la variable aleatoria X como el número de lanzamientos de
un dado regular hasta que aparezca un 6, queda claro que X sigue una
distribución geométrica de parámetro: p = 1/6.

Preguntas:
•¿A que suceso nos referimos cuando decimos X = 0?
•¿Cuál es la probabilidad de que el primer 6 aparezca en el cuarto
lanzamiento?
DISTRIBUCIÓN GEOMÉTRICA
EJEMPLO
DISTRIBUCIÓN DE POISSON
EJEMPLO
 BASES CIENTÍFICAS DE LA ESTADÍSTICA

DEFINICIÓN:
LA ESTADÍSTICA ES LA CIENCIA QUE NOS PROPORCIONA UN CONJUNTO DE
MÉTODOS Y PROCEDIMIENTOS PARA RECOPILAR , ORGANIZAR , ANALIZAR E
INTERPRETAR DATOS , EN FORMA ADECUADA PARA REALIZAR UNA TOMA DE
DECISIONES SOBRE UN PROYECTO O EMPRESA A REALIZAR .

POR OTRO LADO POR SU FUNCIÓN , LA ESTADÍSTICA SE OCUPA DE LA RECOLECCIÓN ,

PRESENTACIÓN , Y ANÁLISIS DE DATOS QUE CORRESPONDEN A FENÓMENOS O
SITUACIONES EN DONDE ESTA PRESENTE LA VARIABILIDAD DE UN PROYECTO .
 CLASIFICACIÓN DE LA ESTADÍSTICA

• ESTADISTICA DESCRIPTIVA: SU OPERATIVIDAD PRINCIPAL ES; ORDENAR, RESUMIR DATOS, MANEJO DE VARIABLES, ANÁLISIS
MULTIVARIADAS, RELACIÓN ENTRE ELLAS Y CÓMO AFECTA A LOS PROBLEMAS.

LA ESTADÍSTICA DESCRIPTIVA, COMO MÉTODO SE OCUPA DE LA RECOLECCIÓN, CARACTERIZACIÓN Y PRESENTACIÓN QUE PERMITEN
DESCRIBIR, APROPIADAMENTE LAS CARACTERÍSTICAS DE UN CONJUNTO DE DATOS. COMPRENDE EL USO DE GRÁFICOS, TABLAS Y MEDIDAS
DE RESUMEN Y OTRAS TÉCNICAS DE MEDIDA.

RESUMIDAMENTE PODEMOS DECIR; ES LA ESTADÍSTICA QUE PROPORCIONA UN CONJUNTO DE MÉTODOS QUE, POR MEDIO DEL CALCULO NOS
AYUDARÁN A RESUMIR Y DESCRIBIR DATOS.

• ESTADISTICA INFERENCIAL: OPERA COMO MÉTODOS QUE HACEN POSIBLE ESTUDIAR UNA O MÁS CARACTERÍSTICAS DE UNA
POBLACIÓN O TOMAR DECISIONES SOBRE LA POBLACIÓN BASADOS EN EL RESULTADO DE UNA MUESTRA, EN ESTE MÉTODO SE PRETENDE
INFERIR CONCLUSIONES QUE ATAÑEN A UNA POBLACIÓN A PARTIR DE UNA MUESTRA SABIENDO O ENTENDIENDO QUE ESTAS
CONCLUSIONES NUNCA PUEDEN SER ABSOLUTAMENTE CIERTAS , EN ELLAS ESTARÁN LIGADAS CIERTO GRADO DE INCERTIDUMBRE.
 POBLACIÓN
Se entiende por población o universo a la totalidad de individuos o
elementos (unidades estadísticas) en las cuales se pueden presentarse
determinada característica susceptible a ser estudiadas.
Por ejemplo:
- La estatura de los alumnos de la maestría en ingeniería
- Alumnos de ingeniería de comunicaciones matriculados el 2020, en todas
las universidades del Perú
- Puntaje de rendimiento en la lectura de todos los alumnos del nivel
universitario
- Ventas anuales de los supermercados de lima metropolitana
- Los taladros perforados para la voladura en el tajo zona noreste,
- Pacientes que sufren depresión y que son atendidos en la clínica Ricardo
palma., etc.,
La población puede ser de dos tipos FINITA E INFINITA.
POBLACIÓN
. Población Finita: Es aquella que tiene numero determinado de elementos
. Población Infinita: Es aquella que tiene un número infinito de elementos.
En la práctica, una población finita, con un número muy grande de
elementos se considera población finita.

MUESTRA:
Es Un subconjunto de la población que representa a la
población. Se estudia a toda la población el estudio
realizado en un censo, pero si se toma una muestra el
estudio realizado será un muestreo.
EJEMPLOS:
- Seleccionar 110 alumnos de cada facultad para estudiar la
estatura de los alumnos de la UNDAC
- Seleccionar 4 empresas mineras de la región para estudiar a el
comportamiento de los trabajadores frente al
comportamiento del covid19.
- Seleccionar el registro de ventas de los productos minerales
de los últimos 4 años para estudiar el comportamiento
estadístico de los metales a nivel nacional.
- Seleccionar 15 pacientes registrados la última semana en la
posta médica de san juan pampa, para estudiar el grado
depresión en esta época de pandemia., et.
 PARÁMETRO
Es una medida de resumen utilizada para describir alguna “CARACTERISTICA”,
de la población y para conocer su valor es necesario utilizar la información
toda la población.
µ : Media poblacional
σ2 : Varianza Poblacional
р : Proporción poblacional
ρ : Coeficiente de correlación.
ESTADISTICA:
Es la medida de resumen utilizada para describir alguna característica de la muestra,
que para nuestros estudios usaremos la notación siguiente.
: Media Muestral
s2 : Varianza muestral
p : Proporción Muestral
г : Coeficiente de correlación muestral
 VARIABLES
ESTADISTICAS