Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 2 Unidad 4
Susceptible de
representada
resumida en
permite el
Conjunta
por
estudio de
Estimación por
Relación entre ESTADÍSTICA Intervalos de
variables Confianza
Medición Gráficos
aludida
como
Medidas Posición,
Tendencia Central,
de la que se
Escalas Variabilidad y
obtienen
otras.
DESCRIPTIVA organiza, resume, analiza utiliza INFERENCIAL
Datos
Puntajes Matriz
de
Muestra es parte de Población
UNIDAD 4 de
caracterizan
proporciona
Grupo Individuos Toma de decisiones:
Normativo Pruebas de Hipótesis
a la
Primera Parte
generan
Métodos de
Propor-
muestreo
ciona
Estadísticos Valores Parámetros
Baremos permiten inferir sobre
Un modelo para una variable discreta consiste en una Función de Un modelo para una variable continua consiste en una función cuya
gráfica es una curva que encierra un área total igual a 1. Las probabilidades
Probabilidad Puntual, que se exhibe en una tabla totalmente análoga a
que se le asignan a los intervalos son las áreas bajo la curva sobre el
la de distribución de frecuencias relativas o se genera a partir de una
intervalo.
fórmula. A cada valor 𝑥𝑖 se le asigna su correspondiente probabilidad. La función de se denomina Función de Densidad de Probabilidad f(x)
➢ P(X = xi) es la probabilidad de que la variable X tome el valor xi. y sus propiedades son:
➢ Las probabilidades asignadas a los valores de la variable verifican las
propiedades de la frecuencia relativa, a saber:
➢ f(x) 0 xR
Una variable se distribuye según el modelo Bernoulli ▪ El resultado del análisis clínico de un paciente si es registrado
cuando toma sólo dos valores. como positivo o negativo. Así, la estructura de una tabla que
representa la distribución de probabilidades de una variable
Estos dos valores se denominan “éxito”, que se codifica Bernoulli es:
con 1 y “fracaso”, que se codifica con 0. La probabilidad
asignada al éxito se denota con “p” y la de fracaso con q = 1-p . Valores 𝑥𝑖 𝑑𝑒 𝑋 1 0
Notación: X B(p) 𝑃(𝑋 = 𝑥𝑖 ) 𝑝 𝑞 = 1−𝑝
➢Ejemplos: 1 → éxito P 𝑋 = 1 = 𝑝 → Probabilidad de éxito
▪ La cara que queda hacia arriba al arrojar una moneda arroja 0 → fracaso P 𝑋 = 0 = 1 − 𝑝 → Probabilidad de fracaso
dos resultados cara o ceca.
P 𝑋 = 𝑥𝑖 = P 𝑋 = 1 + P 𝑋 = 0 = 𝑝 + 1 − 𝑝 = 1
▪ La respuesta de un sujeto a un ítem, cuando es evaluada como 𝑖
correcta o incorrecta.
Observación: una variable Bernoulli queda totalmente caracterizada
▪ El resultado de un alumno en un examen, cuando se lo clasifica conociendo el parámetro 𝑝; es decir, la probabilidad de éxito o
en aprobado o desaprobado. equivalentemente, la probabilidad de fracaso.
▪ Losvalores de una variable binomial son 0, 1, 2, … , 𝑛, es decir, el El resultado obtenido en cada lanzamiento puede
recorrido de dicha variable consta de n+1 valores.
considerarse una variable Bernoulli con probabilidad de
▪ Las probabilidades asociadas a cada uno de los valores de la variable éxito ½. Luego, la variable “Cantidad de caras en 3
Binomial resultan de la aplicación de la fórmula:
𝑛 𝑥
lanzamientos de la moneda” es una variable Binomial
𝑃 𝑋 = 𝑥𝑖 = 𝑝 𝑖 (1 − 𝑝)𝑛−𝑥𝑖
𝑥𝑖 de parámetros 𝑛 = 3 y 𝑝 = 1/2.
Los cómputos a partir de dicha fórmula son facilitados por las
aplicaciones o softwares que devuelven la probabilidad informándoles
los parámetros.
Una prueba consiste de 10 ítems de elección múltiple ➢ Condición de Estabilidad: la probabilidad de éxito
debe permanecer constante en las n observaciones de la
con 5 opciones, donde sólo una es correcta. La variable Bernoulli.
probabilidad de responder correctamente cada ítem En el primer ejemplo la probabilidad de que salga
por azar es 1/5. La respuesta a un ítem calificada cara en cada lanzamiento de la moneda es ½.
En el segundo ejemplo la probabilidad de responder
como correcta o incorrecta es una variable Bernoulli.
correctamente cada uno de los 10 ítems es 1/5. Si en algún
Entonces la variable “Cantidad de respuestas correctas ítem se modificara la cantidad de opciones; por ejemplo,
en lugar de ser cinco, fueran tres las opciones de
por azar entre los 10 ítems” sigue el modelo Binomial respuesta, la probabilidad de éxito cambiaría y no se
de parámetros 𝑛 = 10 y 𝑝 = 1/5= 0,20. mantendría la condición de estabilidad.
np(1 − p) 0,3000
0,3020
0,2500
0,2013
0,2000
0,1500
0,1074
0,1000 0,0881
0,0500 0,0264
0,0055 0,0008 0,0001 0,0000 0,0000
0,0000
0 1 2 3 4 5 6 7 8 9 10
100
3,14159....
150
100
50
95,4 %
0 0 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
2 4 6 8 10 12 14 16 18
99,7 %
Variable X Variable X
X = Cociente Intelectual (CI) de una persona elegida al azar de la X = Cociente Intelectual (CI) de una persona elegida al azar de la
población general. población general.
X N(100,15)
Hallar X N(100,15)
a) El porcentaje de la población con Hallar
un CI superior a 110. b) La probabilidad de que una
Hay que hallar P(X > 110) y persona elegida al azar tenga
multiplicarla por 100. un CI inferior a 95.
En la App Probability se elige la Hay que hallar P(X < 95)
distribución Normal, se indican los
parámetros, se pone x = 110 y se elige En la App Probability se pone x = 95, se
la primera ventana y se lee la elige la segunda ventana y se lee la
probabilidad a la derecha (puede probabilidad a la derecha. En este caso
redondearse a 4 decimales). En este es 0,36944.
caso es 0,25249.
Respuesta: La probabilidad es 0,3694
Respuesta: 25,25% de la población
tiene un CI superior a 110.
X N(100,15)
Hallar Otro modelo de variables por ser utilizado en este curso
e) El CI mínimo de una persona que para variables continuas será la distribución Ji Cuadrado
pertenece al 2% de mayores CI de
la población. (𝝌𝟐 ).
Es un problema inverso a los Entre sus varios usos se destacan:
anteriores: se da una probabilidad
(dato que se carga en la ventana de la ➢Inferencia sobre una varianza
derecha) y se pide obtener el valor de ➢Test de bondad de ajuste
la variable, percentil, que el programa
devuelve en la ventana de la ➢Test de independencia
izquierda.
Sus probabilidades se buscan con programas estadísticos.
Debe hallarse el percentil 98. Es decir,
el valor de la variable que supera al A diferencia de la distribución normal, la 𝜒 2 no es
98% y es superado por el 2%. Por tanto simétrica. Uno de los parámetros de los que depende son
pueden usarse tanto la segunda
ventana con P(X≤x) = 0,98 o la primera los “grados de libertad” que, en los problemas aplicados,
con P(X≥x) = 0,02. están en relación con el tamaño de muestra.
El cociente intelectual mínimo para
pertenecer al 2% de mayores CI es, 181 ESTADISTICA I GALIBERT MATERIAL DE CATEDRA
redondeado a un valor entero, 131.
Es similar a la normal estándar: simétrica con respecto a cero pero
Distribución Ji (Chi) Cuadrado con n grados de libertad :
con más varianza, más “cargada en las colas”.
X 𝝌𝟐
Depende del parámetro n, los grados de libertad que, cuanto mayor
es, la curva se asemeja más a la Normal.
Se utiliza para hacer inferencias sobre una media, sobre una
n = 1 diferencia de medias y sobre parámetros de regresión.
n = 2
n = 3
n = 4
n = 5