Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Un modelo es:
Y sirve para:
Contar con un modelo para una variable le permite al investigador deducir conclusiones que luego
confrontará con la realidad observada, es decir, pondrá a prueba para ver si explican o predicen
bien lo que sucede en la realidad.
Ejemplo:
MODELO de la variable “Sexo de alumnos de psicología” Porque es una frecuencia
relativa supuesta en base a
Valores de la variable Frecuencia relativa teórica la experiencia o teoría que
manejamos, no la que
Femenino 0.8 surgió de la realidad ni un
Masculino 0.2 dato de la muestra.
No hablamos de la cantidad concreta de varones y mujeres que hay, el modelo trata de ser
una explicación general de lo que usualmente podemos esperar que se dé en una
población determinada. Y en este sentido es más adecuado pensar en qué proporción se
darían los distintos valores de la variable, lo que queremos expresar se representa mejor
con las frecuencias relativas.
Además, de ahora en adelante se trabajará con variables aleatorias, se denominan así porque
sus valores dependen del azar. El azar tiene que ver con aquellos eventos cuyos resultados no
podemos predecir con certeza, por ejemplo: cuando elegimos al azar a un individuo de la
población para preguntar su opinión sobre una cuestión de la actualidad, está puede ser favorable
o desfavorable. Esto no quiere decir que su respuesta sea algo aleatorio, posiblemente tiene una
opinión formada al respecto y su respuesta no depende del azar; en cambio, el procedimiento de
elección de solo un individuo de la población es lo que le da sentido al término aleatorio.
La incertidumbre se refiere hacia el individuo extraído al azar y su opinión.
Variables aleatorias: sus valores dependen del azar, es decir, que su resultado no
lo podemos predecir con certeza.
Estimación de parámetros: proceso consistente en asignar a las propiedades
desconocidas de una población las propiedades conocidas de una muestra
extraída de esa población.
μ=∑ x . p
La varianza se obtiene sumando los cuadrados de los desvíos a la media por la probabilidad
correspondiente.
σ =∑ ¿ ¿
2
Moda: valor que aparece mayor cantidad de veces, es decir, con mayor frecuencia absoluta.
Si tiene mayor frecuencia absoluta, mayor será también su frecuencia relativa teórica, o sea,
su probabilidad.
Media: se obtiene sumando los productos de los valores de la variable por sus
correspondientes probabilidades. Se diferencia de la media muestral por el símbolo.
En el primer modelo sería 4 x 0.05 + 3 x 0.25 + 2 x 0.40 + 1 x 0.25 + 0 x 0.05 = 2
Varianza: se obtiene sumando los cuadrados de los desvíos a la media (puntuaciones
diferenciales) por la probabilidad correspondiente.
En el primer modelo sería:
2 2 2 2 2
(4−2) x 0.05+(3−2) x 0.25+(2−2) x 0.40+(1−2) x 0.25+(0−2) x 0.05=2
Hay muchas variables que, siendo totalmente diferentes entre sí presentan similares
distribuciones de frecuencias.
Una variable sigue un modelo de probabilidad binomial si es una variable cuantitativa discreta
que cuenta la cantidad de éxitos que ocurren en n observaciones de una variable dicotómica de
parámetro p, que son independientes y con la misma probabilidad de éxito p.
Ejemplos:
a) Se tira cuatro veces un dado al aire y se registra el número de veces que sale 2 en las cuatro
tiradas.
El resultado obtenido en cada lanzamiento puede considerarse una variable dicotómica con
probabilidad de éxito ⅙.
Luego, la variable "cantidad de 2 en cuatro tiradas del dado" es una variable binomial de
parámetros n = 4 y p = ⅙
• Los valores de una variable binomial son 0, 1, 2,..., n, es decir, el recorrido de dicha variable
consta de n+1 valores.
• Las probabilidades asociadas a cada uno de los valores de la variable Binomial resultan de la
aplicación de una fórmula matemática que involucra a n y a p.
Ejemplos:
En el primer ejemplo la probabilidad de que salga 2 en cada tirada del dado (equilibrado) es
1/6.
En el segundo ejemplo la probabilidad de que un paciente de los 7 consultados culmine el
tratamiento es 0.6. Si por alguna causa esta probabilidad aumentara o disminuyera durante el
tratamiento, la probabilidad de éxito cambiaría y no se mantendría la condición de estabilidad.
Ejemplos:
En el primer ejemplo la probabilidad que salga 2 en la tercera tirada no cambia si se sabe que
en los lanzamientos anteriores salió 2.
En el segundo ejemplo la probabilidad de conocer que un paciente culminó su tratamiento por
ejemplo el quinto paciente nada informa acerca de si el sesto a séptimo lo harán.
En las carreras de caballos, la probabilidad de que un caballo gane una carrera se puede
estimar por su desempeño en carreras de años anteriores, entonces no se cumpliría la
condición de independencia.
b) Si representamos el resultado de cada ensayo dicotómico con ceros y unos, el valor que
adopta la variable no es más que la suma de esa secuencia de unos y ceros.
c) El valor esperado de una variable binomial se obtiene a partir de las propiedades de la suma
de variables aleatorias y de la definición de valor esperado. Dado que una binomial es la suma
de una secuencia de n valores, y cada uno de ellos puede considerarse una variable aleatoria
dicotómica, su valor esperado será igual a la suma de los valores esperados de cada una de
ellas. El valor esperado de una variable dicotómica es igual a la probabilidad de observar el
valor 1, que hemos representado por n.
Ejemplo: se introducen tres ratas sin entrenamiento previo en un laberinto con forma de T y se
define la condición “salir por la izquierda”.
La introducción de cada rata en el laberinto es un ensayo dicotómico (creado por el
cumplimiento/incumplimiento de esa condición)
La probabilidad de que la rata salga por la izquierda en cada ensayo es la misma (0.50).
Se define la variable X como el “número de ratas que salen por la izquierda”, es decir el
número de ensayos en los que se verifica la condición especificada.
La variable X se distribuye según el modelo binomial con parámetros n=3 y π=0,50 es decir
B(X; 3, 0.50).
*Cada ensayo en un modelo de distribución binomial puede considerarse como una variable
Bernoulli. Cada ensayo puede dar éxito o fracaso, entonces la distribución binomial puede
entenderse como varios modelos de Bernoulli agrupados.
Ejercicios: Caso Problema Unidad 6 del 1 al 4
3. Video: Modelo normal
PROPIEDADES
Es simétrica con respecto a un valor central (μ), en donde coinciden las 3 MTC (media, moda
y mediana).
Es asintótica con respecto al eje de las abscisas, es decir, la curva no toca el eje horizontal
salvo + / - .
Hay una familia de curvas normales: La más importante es aquella con media 0 y desviación
típica 1, la distribución normal unitaria / estándar.
DOS INTERROGANTES
Aspectos Prácticos
Antes de comenzar ...
2. Tener en claro cuál es la información que necesito obtener (área o puntaje, porcentaje o valor,
rango percentilar o centil)
Ejemplos:
1) Para lograr una beca para rotar por un servicio de psicopatología de España se debe rendir un
examen de ingreso y sólo hay cupo para el 10% de los aspirantes. Suponiendo que los
puntajes se distribuyen normalmente en el grupo de aspirantes con media 80 y desviación
estándar 7.
Datos:
Cupo: 10%
Media: 80
Desvió estándar: 7
Me piden el 10% superior, entonces, es aquel puntaje que supera al 90%. Así, yo quiero saber
con la aplicación que valor le corresponde a un área de 0,9 (= 1,28).
Ahora, me preguntan el puntaje que diferencia entre quienes va a acceder y quienes no van a
acceder a la beca. usamos fórmula de destipificación (= 88,96).
Datos:
Media: 3
: 1,5
?: porcentaje que tarde más de 5 seg. P (X 25)
Calculamos
Área de 0.9082
P (X 25) = 1 - 0.9082 = 0.0918
Universalidad de la curva normal: en la mayor parte de las variables existe un valor central (la
media) en torno al cual se concentran la mayor parte de los individuos, y a medida que nos vamos
fijando en valores más alejados de la media observamos que éstos son menos frecuentes. Es
decir que, al alejarse de la media la probabilidad asociada a observar el valor disminuye. Esta
reducción gradual en la frecuencia no es lineal, sino que es mayor al principio y menor después
(la curva pasa de convexa a cóncava al alejarse de la media):
Que refleja la distribución normal: la mayor parte de nosotros somos mediocres en nuestras
características, y solo unos pocos sobresalen por adoptar valores excepcionalmente altos o bajos.
Cuanto más se alejan los valores de la media, más difícil es encontrar individuos que adopten
esos valores.
Errores perceptivos: los cometidos por sujetos humanos al hacer mediciones pueden
cuantificarse calculando la diferencia entre la medición hecha y la cantidad real. Cuando se
carecía de instrumentos de precisión, las observaciones de los astrónomos se basaban en
colecciones de mediciones recogidas por distintos observadores y en diferentes momentos. El
estudio de los valores registrados para una misma magnitud mostró que éstos adoptan una forma
parecida a la de la curva normal. Esto impulsó al estudio de una fórmula que describiese la
distribución de los errores. Obviamente, son mas frecuentes las mediciones cercanas al valor real
(errores pequeños) que las lejanas (errores grandes). De hecho, cuanto mayor es un error, con
menor frecuencia se observa.
X −μ
Fórmula de tipificación: z=
σ
Fórmula de tipificación: X =z . σ + μ
Las variables cuya distribución se ajusta al modelo normal adoptan una representación gráfica en
la que se aprecian las siguientes propiedades:
1. Es simétrica con respecto a un valor central µ y en ese valor central coinciden la media,
la mediana y la moda.
3. Hay toda una familia de curvas normales, dependiendo de los valores de µ y ϑ. La más
importante es la que tiene media 0 y desviación típica 1, denominada distribución normal
unitaria (Sheppard).
La mayor parte del trabajo práctico con variables aleatorias normales consiste en hallar
probabilidades asociadas a valores. Esto significa integrar la función de densidad entre los
valores de interés. Para evitar tener que resolver estas operaciones, se construyeron tablas
apropiadas con las áreas halladas y cuyo uso se basa en la aplicación de un teorema de gran
interés aplicado llamado teorema de tipificación.
Para referirnos a un valor concreto de la distribución normal unitaria usamos la letra z y a su derecha el
subíndice correspondiente a la probabilidad acumulada para ese valor.
Ejemplo: z0,67 = 0,44 indica que en la distribución normal unitaria el valor 0,44 tiene una probabilidad
acumulada, o área izquierda, igual a 0,67.
El trabajo con variables aleatorias normales, al igual que con otras variables continuas, se
reduce a la obtención de las probabilidades de obtener un valor menor o igual que uno
concreto (o área izquierda de ese valor) o la de obtener un valor mayor o igual que uno
concreto (o área derecha de ese valor), o la de obtener un valor comprendido entre dos
valores concretos (o área cortada por esos dos valores). El procedimiento para obtener esas
probabilidades consistirá en aplicar el teorema de tipificación y consultar la tabla.
Dos interrogantes: (área, porcentaje y rango percentilar es lo mismo. Puntaje, valor y centil
son lo mismo)
✓ Obtener la probabilidad de que un valor sea menor o igual que uno concreto (a la izquierda
de ese valor). También se dice: la probabilidad de un valor como mucho igual a X, que es
obtener la probabilidad acumulada de X.
✓ Obtener la probabilidad de que un valor sea mayor o igual que uno concreto (a la derecha
de ese valor). También se dice: la probabilidad de un valor como mínimo igual a X, que es
obtener el complementario de la probabilidad acumulada de X
✓ Obtener la probabilidad de que un valor esté comprendido entre dos valores concretos (área
cortada por ellos).
2. ¿Qué valor de la distribución se asocia a una probabilidad asociada dada?
Puntaje / Valor / Centil - Buscar DESTIPIFICAR
Obtener el valor en el que la probabilidad de observar un valor sea como mucho igual a
él es: / También se dice: obtener el valor que deja el área a su izquierda igual a X.
Obtener el valor en el que la probabilidad de observar un valor sea como mínimos igual a
él es: / También se dice: obtener el valor que deja un área a su derecha igual a X.
Obtener los valores que acoten X y X. / También se dice obtener el área cortada o,
obtener los valores que dejen a su izquierda y derecha, respectivamente, áreas iguales
X.
Aclaraciones:
Cuando pregunta por el RANGO PERCENTILAR, sería X menor o igual al valor que
pidan. Una vez que se tipificó y se calculó la probabilidad, el resultado se multiplica por
100, pues es un porcentaje. El rango percentilar es porcentaje.