C1-Métodos Estadística

Métodos Estadísticos
• Asignatura: Métodos Estadísticos

• Carrera : Ingeniería Civil Industrial
• Profesora: Lucy Bugueño Guajardo
Ing. Civil Industrial
Mg. © Ingeniería Industrial
Correo Institucional: lucy.bugueno@ucentral.cl
Casa Central: Toesca 1783 | Mesa Central: 2 2582 6000

La Serena: Av. Francisco de Aguirre 0405 | Mesa Central: 51 247 9150
Aprendizaje Esperados
 Analiza los diferentes estadígrafos como solución a problemas específicos

 Interpreta los diferentes estadígrafos como solución a problemas específicos
 Compara los diferentes modelos de probabilidad como argumentos resolutivos a
problemas específicos
 Explica los diferentes modelos de probabilidad como argumentos resolutivos a
problemas específicos.
 Analiza los mecanismos de la inferencia estadística como modelo a hipótesis
planteadas.
 Analiza los procedimientos del calculo de probabilidades
 Argumenta el uso de los procedimientos del calculo de probabilidades
 Selecciona diferentes modelos de probabilidades en la ejecución de soluciones a
problemas de Ingeniería
 Aplica Obras Civiles diferentes modelos de probabilidades en la ejecución de soluciones
a problemas de Ingeniería.
Aprendizaje Esperados
 Selecciona los mecanismos de la estadística descriptiva en experiencias de
laboratorio
 Interpreta los mecanismos de la estadística descriptiva en experiencias de
laboratorio
 Participa organizadamente en el trabajo grupal del laboratorio
 Participa organizadamente en trabajos grupales en el Aula
 Elabora informes de experiencias en laboratorio con justificaciones de la
actividad realizada.
 Redacta respetando pautas y reglas del lenguaje español.
 Aborda con responsabilidad la gestión del estudio de Caso.
 Demuestra respeto por el trabajo de los demás.
 Demuestra vivencia de la ética en el desarrollo de sus tareas.
Aprendizaje al Final Curso
Al concluir el curso de Métodos Estadísticos el estudiante

debe ser competente en integrar conceptos, algoritmos y
procedimientos para ser aplicados en modelos propios de la
ingeniería.
Evaluación – Métodos Estadístico
• 03 Laboratorios (20%) c/u

• Prueba de desarrollo (40%)
Bibliografía
• Básica, fundamental y obligatoria

• Probabilidades y Estadística, Spiegel Murray, 4° ed, Mc Graw Hill
• Probabilidades y Estadística para Ciencias e Ingeniería, 6° ed,
Thompson
• Probabilidades y Estadística aplicada a la Ingeniería, Montgomery
Douglas, Runger George, Mc Graw Hill
• Complementaria y de profundización
• Probabilidad y Estadística –Aplicaciones y métodos, George Cánavos,
2° ed, Mc Graw-Hill
Introducción
La Métodos Estadísticos o Probabilidad y

Estadística se encargan del estudio del azar desde el
punto de vista de las matemáticas: La Probabilidad
propone modelos para los fenómenos aleatorios, es
decir, los que se pueden predecir con certeza, y
estudia sus consecuencias lógicas.
Estadística es la ciencia que se encarga

de recolectar, describir e interpretar datos para
hacer comparaciones y establecer conclusiones. La
estadística tiene dos grandes ramas: estadística
descriptiva y estadística inferencial.
Definiciones
• Estadística descriptiva:
Es la rama de la estadística que se ocupa de la clasificación de la información, representación gráfica y resumen
de la información a través de medidas estadísticas, lo que permite realizar un análisis de la información captada.
• Estadística inferencial:
Es la rama de la estadística que se ocupa de la aplicación de procedimientos que permiten realizar
generalizaciones hacia toda la población, utilizando la información proporcionada por una muestra aleatoria
extraída de ella.
• Universo:
Es el conjunto individuos objeto de nuestro interés de estudio.
• Población:
Es el conjunto de todos los elementos cuyas propiedades se van a estudiar. También es llamada universo.
• Muestra:
Es un subconjunto de la población. En muchas ocasiones, es importante trabajar con una muestra representativa
de la población, para ello, debemos trabajar con criterios y técnicas de muestreo. Una muestra representativa debe
reflejar las características de la población.
• Muestreo:
Es el proceso de selección de una muestra a partir de la población estadística que se desea estudiar.
• Individuo:
Es cada uno de los elementos que componen la población. También se le conoce como unidad estadística.
Definiciones
• Valor de datos:
Es el valor de la variable asociado con un elemento de una población o muestra. Este valor puede ser un número, una palabra o un
símbolo.
• Datos:
Es cada uno de los valores recolectados de la variable que se han obtenido al realizar un estudio estadístico. Por ejemplo, si le
preguntamos a 7 personas cuál es su bebida preferida, obtenemos 7 datos: Sprite, Coca Cola, Pepsi, Coca Cola, agua, Gatorade,
Coca Cola.
• Hipótesis:
Es una declaración explícita de predicción. Describe en términos concretos lo que se espera que pase o suceda en los resultados.
• Parámetro:
Es una medida estadística o indicador que resume la información proporcionada por todas las unidades elementales que forman
una población. Es un valor único o constante que usualmente es desconocido.
• Estadístico
Es una medida estadística o indicador que permite resumir la información de las observaciones proporcionadas por los elementos
que conforman una muestra. Puede tomar un valor diferente de una muestra a otra muestra, por lo tanto, es una variable.
• Variable estadística:
Es cada una de las características o cualidades que poseen individuos de una población.
Población y muestra
Población es el conjunto de todos los elementos cuyas propiedades se

van a estudiar; mientras que la muestra es un subconjunto de casos o
individuos de la población.
Población
Es el conjunto de todos los elementos cuyas propiedades
se van a estudiar. También es llamada universo.
Una población puede ser finita o infinita:
• Población finita: es aquella cuya cantidad de elementos
es posible de determinar. Ejemplo: conjunto de librerías
de la ciudad de Lima.
• Población infinita: es aquella cuya cantidad de
elementos es imposible de determinar. Ejemplo:
conjunto de lápices fabricados en un proceso continuo.
Definiciones
•
Clasificación de variables
Clasificación de variables
Cualitativas Cuantitativas
Nominal Ordinal Discretas Continuas
Sin relación Con Números Números

de orden relación de enteros (Z) reales (R)
orden
Variables estadísticas
Información a recopilar. En ella se describen las características de la muestra.

Existen dos tipos: cualitativas y cuantitativas
• Cualitativas: Las variables cualitativas tienen características no numéricas,

por ejemplo el color de pelo, sexo, estado civil, etc.
− Nominal: son aquellas cuyos valores son nombres o códigos sin una
relación de orden intrínseco entre ellos, por ejemplo: sexo, estado civil, raza,
religión, color de piel, etc.
− Ordinal: son aquellas cuyos valores son nombres o códigos con una
relación de orden intrínseco entre ellos, es decir sus valores conllevan un
ordenamiento de mejor a peor o mayor a menos, por ejemplo: la
clasificación (excelente, bueno, regular, malo), la calidad (extra, grande,
mediano, pequeño), etc.
Definiciones
• Cuantitativas: Las variables cuantitativas tienen características que se

pueden expresar como número, por ejemplo la edad, estatura, número de
hijo, etc.
− Cuantitativas discreta: son aquellas a las que se le puede asociar un
número entero y es imposible fraccionar, por ejemplo el número de hijos,
numero de automóviles, etc.
− Cuantitativa continua: son aquellas a las que se les puede asociar
cualquier número real, por ejemplo el peso, estatura, tiempo, etc.
Definiciones
•
Estadística descriptiva
Objetivo de una tabla estadística

La tabla estadística o también llamada tabla de frecuencia se construye con el
fin de ordenar, agrupar y resumir la información cuando existe una cantidad n
de datos.
Al ordenar datos muy numerosos, es usual agruparlos en clases o categorías
y al determinar cuántos datos pertenecen a cada clase se establece la tabla de
frecuencia
El formato general de una tabla estadística es la siguiente:

Nombre de la variable Frecuencia
Categorías o recorrido de la variable Frecuencia Observada
Total n
Valor •
… … … …
… … … …
Total N 1 100,0%
Ejemplo: tabla de frecuencia de perros atendidos en una clínica

veterinaria, por raza
Frecuencia Frecuencia
Raza Frecuencia relativa relativa %
Pastor Alemán 38 0.31666667 32%
Doberman 12 0.1 10%
Labrador 3 0.025 3%
Pekinés 44 0.36666667 37%
Poodle 23 0.19166667 19%
Total 120 1 100%

Ejemplo: Representación gráfica de frecuencias de perros atendidos en una clínica
veterinaria, por raza
50
45
40 19%
35 32%
30
25
20 37% 10%
3%
15
10
5
0 Pastor Alemán Doberman Labrador
án an or és le Pekinés Poodle
m rm rad kin od
le be b Pe Po
rA Do La
to
Pa
s
Ángulo en gráfico circular

Descripción de Variables cuantitativas para datos no agrupados
Medidas
Medidas de Medidas de Medidas de

tendencia central dispersión dispersión relativa
Media Moda Rango Desviación Coeficiente de

estándar variación
Mediana
Varianza
Descripción de Variables cuantitativas para datos no agrupados
•
Medidas de tendencia central
•
•
•
•
•
Medidas de dispersión
•
máx mín
•
•
•
Descripción de variables cuantitativas para datos agrupados
• utiliza
Se cuando hay una gran cantidad y variedad de datos, por lo que es conveniente agruparlos en
intervalos semiabiertos, excepto el último, que es cerrado.
Intervalo: corresponde al conjunto de datos agrupados en una tabla de frecuencia. Se escribe de la
forma donde es el límite inferior del intervalo y es el límite superior.
Marca de clase (): corresponde al valor central de cada intervalo. Es el promedio de los extremos del
intervalo.
Ejemplo: Las estaturas de los alumnos de un colegio viene dada por la tabla:
Estatura (cm) Frecuencia Marca de clase

[150, 160[ 120 155
[160, 170[ 240 165
[170, 180[ 150 175
[180, 190] 80 185
•
Amplitud: corresponde a la distancia entre los limites del intervalo. Se calcula como
Número de clases: corresponde a la cantidad de clases en una tabla de frecuencia. Usualmente es

un número impar (puede ser par) y es entero. Se puede calcular de varias formas, una de ellas es la
Regla de Sturges.
Regla de Sturges: es un método empírico muy utilizado en la estadística descriptiva para determinar
el número de clases que deben existir en un histograma de frecuencias, para así poder clasificar un
conjunto de datos que representan una muestra o población.
donde n es el numero total de datos

•Media
aritmética: cuando se conoce la frecuencia de los datos, la
media aritmética (o promedio) se calcula mediante la fórmula:
𝑛
∑ 𝑥𝑖 ∗ 𝑓 𝑖
´ = 𝑖=1
𝑋
𝑛
Con número total de datos y la frecuencia del dato

Descripción de Variables cuantitativas para datos agrupados
Ejemplo
Según los datos de la tabla, calcular la media aritmética
Dato Frecuencia
´ = 1 ∗ 6+2∗ 5+3 ∗ 4+4 ∗10
𝑋
1 6 25
2 5
3 4 ´ = 6 +10+12+ 40 = 68 ≅ 2,72
𝑋
25 25
4 10
Total 25
Moda En una distribución de datos agrupados, se llama intervalo

modal al intervalo que tiene mayor frecuencia.
Ejemplo
Estatura (cm) Frecuencia Marca de clase
[150, 160[ El intervalo
120 155 modal es el que tiene
mayor frecuencia,
[160, 170[ 240 por lo 165 tanto en este ejemplo es
[160, 170[
[170, 180[ 150 175
[180, 190] 80 185
Mediana Recordemos que en una distribución de datos no agrupados, la mediana es el

dato central cuando los datos han sido ordenados en forma creciente (o decreciente).
En una distribución de datos agrupados, la mediana se encuentra en el intervalo que
contenga el dato central
Ejemplo
Estatura Frecuencia Frecuencia Marca de
(cm) acumulada clase Como se ve, el total de datos
es 590, por tanto la mediana se
[150, 160[ 120 120 155
encuentra en el intervalo que
[160, 170[ 240 360 165 contiene al dato en la ubicación
[170, 180[ 150 510 175 295.
Ese dato se encuentra en el
[180, 190] 80 590 185
intervalo [160, 170[
Medidas de dispersión en datos agrupados
•
Ejercicio 1:
En un centro Teletón se ha ido anotando durante un mes, el número de metros que cada
niño anda, seguido y sin caerse, el primer día que comienza a caminar, obteniéndose la
tabla de información adjunta:
Metros 1 2 3 4 5 6 7 8
Niños 2 6 10 5 10 3 3 2
Determine:
a) Tabla de frecuencias y diagrama de barras para frecuencias absolutas
b) Media, mediana y moda
c) Varianza y desviación estándar
•donde
es corresponde
Intervalo: al conjunto de datos agrupados en una tabla de frecuencia. Se escribe de la forma
el límite inferior del intervalo y es el límite superior.
Marca de clase (): corresponde al valor central de cada intervalo. Es el promedio de los extremos del
intervalo.
Amplitud: corresponde a la distancia entre los limites del intervalo. Se calcula como
Número de clases: corresponde a la cantidad de clases en una tabla de frecuencia. Usualmente es un número
impar (puede ser par) y es entero. Se puede calcular de varias formas, una de ellas es la Regla de Sturges.
Regla de Sturges: es un método empírico muy utilizado en la estadística descriptiva para determinar el número de
clases que deben existir en un histograma de frecuencias, para así poder clasificar un conjunto de datos que
representan una muestra o población.
donde n es el numero total de datos

• aritmética: cuando se conoce la frecuencia de los datos, la media aritmética (o

Media
promedio) se calcula mediante la fórmula:
𝑛
∑ 𝑥𝑖 ∗ 𝑓 𝑖
´ = 𝑖=1
𝑋
𝑛
Con número total de datos y la frecuencia del dato

Moda En una distribución de datos agrupados, se llama intervalo modal al intervalo que
tiene mayor frecuencia.
Mediana Recordemos que en una distribución de datos no agrupados, la mediana es el
dato central cuando los datos han sido ordenados en forma creciente (o decreciente).
En una distribución de datos agrupados, la mediana se encuentra en el intervalo que
contenga el dato central
Medidas de dispersión en datos agrupados
Representación Gráfica e Interpretación de Gráficos
A menudo, una representación gráfica de una distribución de

frecuencias nos da una mejor idea de un estudio estadístico que un
cuadro con números. Por ende, es conveniente saber graficar y,
además, saber interpretar gráficos.
Los datos de una tabla, con datos no agrupados, se pueden expresar

mediante un gráfico de barras, uno poligonal o uno circular.
Si los datos están agrupados, se utiliza, generalmente, el histograma.

Tipos de gráficos
Diagrama de barras: Para elaborar este gráfico se sitúan las categorías o valores en el
eje de abscisas y en el de ordenadas las frecuencias absolutas o relativas.
• El perfil del diagrama es el mismo si se representan las frecuencias absolutas o las
frecuencias relativas.
• El criterio de orden de las categorías (datos cualitativos) mas adecuado es el de mayor
a menor frecuencia, mientras que el de los valores (datos cuantitativos) es de menor a
mayor valor de X.
• Este grafico permite visualizar rápidamente las categorías
o valores mas o menos frecuentes.
Tipos de gráficos
Diagrama de escalera: El diagrama en escalera se utiliza para representar las
distribuciones de frecuencias absolutas o relativas acumuladas correspondientes a una
variable discreta que toma pocos valores diferentes.
• El máximo que alcanza el grafico es n si se representan las frecuencias absolutas
acumuladas o 1 si se representan las frecuencias relativas acumuladas.
• La altura de los escalones es la frecuencia absoluta o relativa de cada valor xi.
Tipos de gráficos
Histograma: Se construye colocando en el eje de abscisas los intervalos en los que se
agrupan los valores de la variable. Sobre cada intervalo se dibuja un rectángulo cuya área
debe ser igual o proporcional a su frecuencia.
• Si todos los intervalos son de igual amplitud, por comodidad, se dibujan los
rectángulos con alturas iguales a las frecuencias. En este caso, el área de los
rectángulos será proporcional a la frecuencia.
• Si la amplitud del intervalo es variable se debe calcular su densidad o altura de los
rectángulos. En este caso, el área de los rectángulos será igual a la frecuencia del
intervalo.
• Densidad = altura = frecuencia
amplitud
Tipos de gráficos
Polígono de Frecuencias: Es un gráfico que sintetiza el perfil del histograma y
suele presentarse superpuesto a éste.
• El polígono se traza señalando las marcas de clase en el lado superior de los
rectángulos del histograma.
Tipos de gráficos
• Polígono de Frecuencias acumuladas: El polígono de frecuencias
acumuladas u ojiva se utiliza para representar las distribuciones de
frecuencias absolutas o relativas acumuladas correspondiente a una
variable cuya distribución se ha tabulado agrupando los valores en
intervalos por ser de naturaleza continua o discreta que toma
muchos valores diferentes.
Ejemplo
La tabla de la figura 1, muestra una distribución de frecuencias de las

edades, en años, de los alumnos de un colegio que cursan 4to medio.
• ¿Grafique la frecuencia?
Medidas de posición
Las medidas de posición relativa se llaman en general cuantiles y se

pueden clasificar en tres grandes grupos: Cuartiles, quintiles, deciles,
percentiles.
Las medidas de posición como los cuartiles, quintiles, deciles y

percentiles dividen a una distribución ordenada en partes iguales. Para
calcular las medidas de posición es necesario que los datos estén
ordenados de menor a mayor.
Percentiles
• Son los valores que dividen a un conjunto ordenado de datos en 100

partes iguales.
• El percentil de orden K se denota por PK, y en el caso discreto es la
observación cuya frecuencia absoluta acumulada alcanza el valor
igual al K% de las observaciones.
Percentiles
• Los percentiles son los 99 valores que dividen una serie de datos
ordenados en 100 partes iguales.
• Los percentiles dan los valores correspondientes al 1%, al 2% ... y al
99% de los datos.
P50 coincide con la mediana
P50 coincide con Q2
P50 coincide con D5
P50=Me=Q2=D5
•
Percentiles
Para calcular los Percentiles (datos no agrupados) se procede de la
siguiente manera:
• 1º Se ordenan los datos de menor a mayor.
• 2º Se calcula la posición que ocupa el percentil, con la fórmula
PK = , en donde
K = {1, 2, …, 99} y N es el número de datos. Si es decimal se aproxima al entero más

cercano superior.
•
Percentiles
Los percentiles para datos no agrupados, también se pueden calcular
mediante la expresión:
Pi = , en donde
i = {1, 2, …, 99}
N = número total de datos.
Ejemplo
Se tienen las estaturas medidas en centímetros de 10 niños
159 160 162 162 163 168 168 170 172 175
Como los datos están ordenados de menor a mayor, la estatura 162 cm representa el
percentil 30 P(30) ya que 3 de los 10 niños tiene una estatura igual o menor a 162 cm,
es decir, un 30%, ya que: 3/10=30%
Usando la formula, para calcular, por ejemplo el percentil 80, se debe identificar el dato
X8, que corresponde a la estatura 170 cm, por lo tanto, P80=170. Esto significa que el
80% de los niños tiene una estatura menor o igual a 170 cm.
•
Percentil para datos agrupados
Los percentiles para datos agrupados, también se pueden calcular
mediante la expresión:
Pi = L+ , en donde
L= extremo inferior de la clase del i-ésimo percentil.

F= Frecuencia acumulada hasta la clase anterior del i-ésimo percentil.
f= frecuencia absoluta de la del i-ésimo percentil.
A= amplitud de la clase del i-ésimo percentil.
N = número total de datos.
i = {1, 2, …, 99}
Ejemplo
En la tabla se muestran las estaturas de un curso agrupadas en intervalos
¿Cuál es el percentil 80? Estaturas curso
Estatura Frecuencia Frecuencia
(cm) absoluta (f) acumulada
(F)
[145-150) 4 4
[150-155) 8 12
[155-160) 10 22
[160-165) 6 28
[165-170) 4 32
[170-175) 6 38
[175-180) 2 40
Total 40
Ejemplo
En general, las medidas de posición se utilizan cuando el objetivo es la

clasificación de personas respecto a alguna característica, por ejemplo: edad,
estatura,
Cuartiles
• Son los tres valores que dividen a un conjunto ordenado de datos en
cuatro partes iguales.
• Q1 , Q2 y Q3 determinan los valores correspondientes al 25%, 50%
y 75% de los datos respectivamente.
OBSERVACIÓN: Q2
Cuartil Cuartil coincide con la
Míni Cuartil Máxi mediana.
2 3
mo 1 mo
Q2 Q3
Q1
Cálculo de los Cuartiles
1. Ordenamos los datos de menor a mayor
2. Buscamos el lugar que ocupa cada cuartil mediante la expresión
Ejemplo cálculo de los Cuartiles
Número impar de datos 2, 5, 3, 6, 7, 4, 9
Ejemplo cálculo de los Cuartiles
Número par de datos 2, 5, 3, 4, 6, 7, 1, 9
Cálculo de los cuartiles para datos agrupados
En primer lugar buscamos la clase donde se encuentra
en la tabla de frecuencias acumuladas.
Ejemplo cálculo de los cuartiles para datos agrupados
Calcular los cuartiles de la distribución de la tabla
Quintil
• El Quintil (Qn) es una medida estadística que se utiliza para indicar el
valor por debajo del cual se encuentra un determinado porcentaje de
observaciones.
• Cada quintil representa un 20% hasta llegar a 100% siendo 100% el total
de las muestras analizadas:
• Quintil 1 (Q1): valor que es superior al del 20% de las muestras más bajas.
• Quintil 5 (Q5): corresponde al valor más alto.
Deciles
• Los deciles son los nueve valores que dividen la serie
de datos en diez partes iguales.
• Los deciles dan los valores correspondientes al 10%, al 20%... y al
90% de los datos.
• D5 coincide con la mediana.
Cálculo de Deciles datos agrupados
En primer lugar buscamos en la clase donde se encuentra
en la tabla de frecuencias acumuladas
Probabilidad y Estadística
Historia de la Teoría de Probabilidad
Parece evidente que la idea de la probabilidad debe ser tan antigua

como el hombre. La idea “es muy probable que llueva mañana” la debía
pensar y transmitir el hombre prehistórico.
Pero es recién en 1654 que comienza a desarrollarse el cálculo de
probabilidades cuando Fermat (1601-1665) y Pascal (1623-1662) en
1654, en correspondencia no publicada, comienzan a aplica métodos
matemáticos para resolver problemas de juegos de azar con cartas y
dados. Otros nombres destacados en el desarrollo del calculo de
probabilidades son Jako Bernoullio (1654-1705) (“Ars Conjectandi”,
publicado póstumo en 1713, que contiene la hoy llamada “Ley de los
grandes números de Bernoulli”) y Abraham de Moivre (1667-1754)
(“Doctrina de las Chances, 1718).
Historia de la Teoría de Probabilidad
En el siglo siguiente se destaca Laplace (1749-1827) y su obra “Teoría

analítica de la probabilidad” (1812).
Su aplicación a la genética, física, tecnología, etc., la teoría de
probabilidades sirve de base a la teoría de inferencia estadística, ya
que en inferencia estadística se mide la probabilidad de equivocarse al
hacer una inferencia inductiva.
La probabilidad de un suceso es un número,
comprendido entre 0 y 1, que indica las posibilidades
que tiene de verificarse cuando se realiza un
experimento aleatorio.
Probabilidades
Probabilidad es un valor entre 0 y 1, que indica la posibilidad relativa

de que ocurra un evento.
La fórmula de probabilidad es la siguiente:
Probabilidades
Mientras más se acerca el valor de la probabilidad a 0, disminuye la

posibilidad de que ocurra el evento. Mientras más se acerca el valor a
1, aumenta la posibilidad de que ocurra.
Probabilidades
0 ≤ P(A) ≤ 1
La probabilidad de que ocurra un evento es 0, si es imposible que

ocurra ese evento. Por otro lado, la probabilidad de que un ocurra un
evento es 1, si es seguro que ocurrirá ese evento.
Ejemplo 01 Probabilidades
La moneda de Chile, tiene 2 caras: cara y sello. ¿Cuál es la

probabilidad de obtener cara al lanzar una moneda?
Experimento aleatorio
Es la reproducción controlada de un fenómeno; y cuyo resultado

depende del azar. Ejemplos:
• Lanzamiento de un dado.
• Lanzamiento de una moneda.
Un experimento aleatorio puede ser repetido bajo las mismas
condiciones, y se puede describir el número de resultados posibles.
Espacio muestral (S)
Es el conjunto de todos los resultados posibles de un experimento

aleatorio.
• Si se lanza un dado, el espacio muestral está compuesto por los
siguientes elementos: S={1, 2, 3, 4, 5, 6}.
• Si se lanza una moneda que tiene dos caras: cara (C) y sello (S), el
espacio muestral está compuesto por: S={C, S}.
• Si se lanzan dos monedas, el espacio muestral está compuesto por:
S={(C, C), (C, S), (S, C), (S, S)}.
• Si se lanza un dado y una moneda, el espacio muestral está
compuesto por: S={(1,C),(1,S),(2,C),(2,S),(3,C),(3,S),(4,C),(4,S),(5,C),
(5,S),(6,C),(6,S)}
Evento o suceso
Conjunto de uno o más resultados del experimento aleatorio.

• Si A = {obtener un número 5 al lanzar un dado}, entonces, A={5}.
• Si B = {obtener un número mayor que 3 al lanzar un dado},
entonces, B={4, 5, 6}.
• Si C = {obtener un número par al lanzar un dado},
entonces, C={2, 4, 6}.
• Si D = {obtener al menos 1 sello al lanzar 2 monedas},
entonces, D={(C, S), (S, C), (S, S)}
Probabilidad
Probabilidad es un valor entre 0 y 1, que indica la posibilidad relativa

de que ocurra un evento. El valor de la probabilidad se calcula
mediante la siguiente fórmula:
Probabilidad
Recuerda que…
• El valor de la probabilidad siempre se encuentra entre 0 y 1
(incluidos ambos números), es decir, 0 ≤ P(A) ≤1.
• La probabilidad de que ocurra un evento imposible es 0. Por ejemplo,
la probabilidad de obtener un 8 al lanzar un dado numerado del 1 al
6 es 0, es decir, P(X)=0.
• La probabilidad de que ocurra un evento seguro es 1. Por ejemplo, la
probabilidad de obtener un número menor que 7 al lanzar un dado
numerado del 1 al 6 es 1, es decir, P(X)=1.
Ejemplo 02 Probabilidad
Calcular la probabilidad de obtener un 2 al lanzar un dado.

Regla del complemento en probabilidades
•La regla de complementación o regla del complemento nos dice que si

tenemos un evento A, y su suceso contrario o complementario A,
entonces, se cumple que: = 1 – P(A)
También podemos expresarlo como: «la probabilidad de que no ocurra

A, es 1 menos la probabilidad de que ocurra A».
Ejemplo Regla del complemento en probabilidades
La probabilidad de que el FC Barcelona gane un partido jugando de local, es de 0,83.
Calcular la probabilidad de que empate o pierda un partido jugando de local.
• Suceso A: ganar el próximo partido de local. Del enunciado, conocemos el valor de
P(A)
P(A) = 0,83
• Suceso A : no ganar el próximo partido de local, es decir, que empate o pierda. Si
calculamos P(A)
P(A) = 1 – P(A)
P( A ) = 1 – 0,83 = 0,17
La probabilidad de que el Barcelona empate o pierda en su próximo partido de
local es de 0,17.
Regla de la suma o adición de probabilidades
La regla de adición o regla de la suma, establece que si tenemos un

evento A y un evento B, la probabilidad de que ocurra el evento A o el
evento B se calcula de la siguiente manera:
Formula
P(A⋃B) = P(A) + P(B) − P(A⋂B)
Donde:
• P(A) : probabilidad de que ocurra el evento A.
• P(B) : probabilidad de que ocurra el evento B.
• P(A⋃B) : probabilidad de que ocurra el evento A o el evento B.
• P(A⋂B) : probabilidad de que ocurra el evento A y el evento B a la vez.
¿Y si los eventos son mutuamente excluyentes?
Dos eventos A y B son mutuamente excluyentes si no pueden ocurrir al

mismo tiempo, es decir, si no tienen elementos comunes.
Por ejemplo, sacar una carta al azar de una bajara, y obtener un 5 y un
7, son eventos mutuamente excluyentes, ya que no hay ninguna carta
que tenga un 5 y un 7 al mismo tiempo.
Entonces P(A⋂B) = 0 , por lo tanto, partiendo de la misma fórmula,
obtendríamos la siguiente expresión:
P(A⋃B) = P(A) + P(B) − P(A⋂B)
P(A⋃B) = P(A) + P(B) − 0
P(A⋃B) = P(A) +P(B)
Ejemplo 03 ¿Y si los eventos son mutuamente excluyentes?
La probabilidad de que un día cualquiera, Carlos almuerce pollo frito es

de 0,4. La probabilidad de que almuerce hamburguesa es de 0,3;
mientras que la probabilidad de que almuerce pollo frito y hamburguesa
el mismo día es de 0,1. Calcula la probabilidad de que un día
cualquiera, Carlos almuerce pollo frito o hamburguesa.
Ejemplo 03
Probabilidad condicional
Si tenemos dos eventos, A y B, la probabilidad condicional de que

ocurra el evento A, dado que ha ocurrido el evento B, se representa
como P(A|B), y se calcula de la siguiente manera:
Formula:
En un diagrama de Venn, veríamos los eventos A y B de la siguiente

manera:
La condición, es que se ha realizado en el evento B, por lo tanto,

nuestro diagrama de Venn quedaría reducido a:
Por ello, podemos ver que el universo está representado por la

probabilidad de B, y dentro de ese universo, la probabilidad de que
ocurra A, está representada por la probabilidad de A ∩ B.
En algunos problemas, puede que sea necesario calcular la

probabilidad de que ocurra el evento B, dado que ha ocurrido A. En ese
caso, simplemente invertimos el orden de las variables:
Ejemplo 04 Probabilidad condicional
Si P(A) = 0,6 ; P(B) = 0,4 y P(A∩B)=0,18. Calcular:

a) P(A|B)
b) P(B|A)
Regla de la multiplicación o producto de probabilidades
La regla de la multiplicación o regla del producto, permite encontrar la

probabilidad de que ocurra el evento A y el evento B al mismo tiempo
(probabilidad conjunta). Esta regla depende de si los eventos son
dependientes o independientes.
Eventos dependientes
Dos eventos A y B son dependientes, si la ocurrencia de uno de ellos

afecta la ocurrencia del otro. Para eventos dependientes, la regla de la
multiplicación establece que:
Ejemplo 01 Eventos dependientes
Una caja contiene 2 canicas azules y 3 rojas. Si se extraen dos canicas

al azar sin reposición, ¿cuál es la probabilidad de que las dos sean
azules?
Eventos independientes
Dos eventos A y B son independientes, si la ocurrencia de uno de

ellos no afecta la ocurrencia del otro, es decir, cuando los eventos A y
B no están relacionados. Para eventos independientes, la regla de la
multiplicación establece que:
Esto se debe, a que en los eventos independientes, la ocurrencia de un

evento, no afecta a la ocurrencia del otro:
Ejemplo 02 Eventos independientes
En un colegio, la probabilidad de que un alumno seleccionado al azar

hable inglés es de 0,20; mientras que la probabilidad de que un alumno
juegue fútbol es de 0,80.
Diagrama de árbol (probabilidades)
Un diagrama de árbol es una representación

gráfica de los posibles resultados de un
experimento que tiene varios pasos. Nos
permite calcular la probabilidad de que ocurra
un evento de una manera muy sencilla.
Aquí tenemos un clásico diagrama de árbol, en
el cual graficamos los posibles resultados de un
experimento que consiste en lanzar una
moneda y un dado
Diagrama de árbol (probabilidades)
Para el cálculo de las

probabilidades, usaremos un
truco, si para calcular cierta
probabilidad avanzamos hacia la
derecha, entonces multiplicamos.
Por otro lado, si para calcular
cierta probabilidad avanzamos
hacia abajo, entonces sumamos.
Ejemplo 03 Diagrama de Árbol
Una moneda tiene en sus caras un cara y un sello. Se lanza 2 veces la

moneda, calcular:
a) la probabilidad de obtener 2 cara.
b) la probabilidad de obtener solo 1 cara.
Ejemplo 03
Teorema de la probabilidad total
El teorema de la probabilidad total permite calcular la probabilidad de

que ocurra un evento, que se puede realizar a través de varios
caminos. Antes de revisar el teorema de probabilidad total, es
necesario definir el concepto de «partición».
Partición
Sean A1, A2, A2, … , An, eventos de un mismo espacio muestral S.

Dichos eventos forman una partición de S si son mutuamente
excluyentes y colectivamente exhaustivos. Es decir, si cumplen con las
condiciones siguientes:
El teorema de la probabilidad total, establece que:

Sean A1, A2, A3, … , An, eventos que forman una partición del espacio
muestral S, y sea B otro evento cualquiera del espacio muestral S,
entonces la probabilidad del evento B se puede obtener de la siguiente
manera:
Los problemas de probabilidades que requieren al teorema de

probabilidad total, también se pueden resolver de manera sencilla
usando el diagrama de árbol. Vamos a revisar 1 ejercicio, y lo vamos a
resolver con el diagrama de árbol y con el teorema.
Ejemplo 04 Teorema de la probabilidad total
En un acuario se tienen solo 2 especies de peces, el 40% son de la

especie azul y el 60% son de la especie roja. De la especie azul, el
30% son machos; mientras que, de la especie roja, el 40% son
hembras. ¿Cuál es la probabilidad de que un pez elegido
aleatoriamente en el acuario sea macho?
Ejemplo 04
Ejemplo 04 Teorema de la probabilidad total
En un acuario se tienen solo 2 especies de peces, el 40% son de la

especie azul y el 60% son de la especie roja. De la especie azul, el
30% son machos; mientras que, de la especie roja, el 40% son
hembras. ¿Cuál es la probabilidad de que un pez elegido
aleatoriamente en el acuario sea macho?
Ejemplo 04
Teorema de Bayes
El teorema o regla de Bayes, fue planteado por el matemático y

religioso inglés, Thomas Bayes. Este teorema fue publicado en el año
1763, dos años después de la muerte de Bayes.
El teorema de Bayes, nos permite calcular la probabilidad de que
ocurra un evento, a partir de valores conocidos de otras probabilidades
relacionadas al evento.
El teorema de Bayes lo encontramos de dos formas diferentes, en su
forma simple y en su forma extendida.
Teorema de Bayes
Forma simple del teorema de Bayes:
Donde:
• A y B son eventos, y además: P(B) ≠ 0.
• P(A|B): es la probabilidad de que ocurra A, dado que ha ocurrido B.
• P(B|A): es la probabilidad de que ocurra B, dado que ha ocurrido A.
• P(A): es la probabilidad de que ocurra A.
• P(B): es la probabilidad de que ocurra B.
Teorema de Bayes
El teorema expresa la probabilidad de que ocurra el evento A, dado que

ha ocurrido B, en función de la probabilidad de que ocurra B dado que
ha ocurrido A, de la probabilidad de A y de la probabilidad de B.
En la práctica tiene muchísimas aplicaciones, por ejemplo, conociendo

la probabilidad de que una persona tenga fiebre dado que tiene gripe,
nos permite calcular la probabilidad de que una persona que tiene
gripe, dado que tiene fiebre. Tiene, además, aplicaciones
importantísimas en la detección del cáncer y otras enfermedades.
Ejemplo 05 Teorema de Bayes
En la universidad Central, la probabilidad de que a un alumno

seleccionado al azar le guste el helado es del 60 %, mientras que la
probabilidad de que a un alumno le guste la torta es del 36 %. Además,
se sabe que la probabilidad de que a un alumno le guste la torta dado
que le gusta el helado es del 40 %. Calcular la probabilidad de que a un
alumno le guste el helado, dado que le gusta la torta.
Ejemplo 05
Forma extendida del teorema de Bayes:
Esta forma extendida es la que encontrarás en la mayoría de libros de

estadística. Emplea las particiones del espacio muestral.

C1-Métodos Estadística

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

C1-Métodos Estadística

Cargado por

Copyright:

Formatos disponibles

Métodos Estadísticos

• Asignatura: Métodos Estadísticos

Casa Central: Toesca 1783 | Mesa Central: 2 2582 6000

 Analiza los diferentes estadígrafos como solución a problemas específicos

Al concluir el curso de Métodos Estadísticos el estudiante

• 03 Laboratorios (20%) c/u

• Básica, fundamental y obligatoria

La Métodos Estadísticos o Probabilidad y

Estadística es la ciencia que se encarga

Población es el conjunto de todos los elementos cuyas propiedades se

Nominal Ordinal Discretas Continuas

Sin relación Con Números Números

Información a recopilar. En ella se describen las características de la muestra.

• Cualitativas: Las variables cualitativas tienen características no numéricas,

• Cuantitativas: Las variables cuantitativas tienen características que se

Objetivo de una tabla estadística

El formato general de una tabla estadística es la siguiente:

Ejemplo: tabla de frecuencia de perros atendidos en una clínica

Pastor Alemán 38 0.31666667 32%

Doberman 12 0.1 10%

Pekinés 44 0.36666667 37%

Poodle 23 0.19166667 19%

Total 120 1 100%

Medidas de Medidas de Medidas de

Media Moda Rango Desviación Coeficiente de

Estatura (cm) Frecuencia Marca de clase

Número de clases: corresponde a la cantidad de clases en una tabla de frecuencia. Usualmente es

donde n es el numero total de datos

Con número total de datos y la frecuencia del dato

Moda En una distribución de datos agrupados, se llama intervalo

Mediana Recordemos que en una distribución de datos no agrupados, la mediana es el

donde n es el numero total de datos

• aritmética: cuando se conoce la frecuencia de los datos, la media aritmética (o

Con número total de datos y la frecuencia del dato

A menudo, una representación gráfica de una distribución de

Los datos de una tabla, con datos no agrupados, se pueden expresar

Si los datos están agrupados, se utiliza, generalmente, el histograma.

La tabla de la figura 1, muestra una distribución de frecuencias de las

Las medidas de posición relativa se llaman en general cuantiles y se

Las medidas de posición como los cuartiles, quintiles, deciles y

• Son los valores que dividen a un conjunto ordenado de datos en 100

K = {1, 2, …, 99} y N es el número de datos. Si es decimal se aproxima al entero más

L= extremo inferior de la clase del i-ésimo percentil.

En general, las medidas de posición se utilizan cuando el objetivo es la

Parece evidente que la idea de la probabilidad debe ser tan antigua

En el siglo siguiente se destaca Laplace (1749-1827) y su obra “Teoría

Probabilidad es un valor entre 0 y 1, que indica la posibilidad relativa

Mientras más se acerca el valor de la probabilidad a 0, disminuye la

La probabilidad de que ocurra un evento es 0, si es imposible que

La moneda de Chile, tiene 2 caras: cara y sello. ¿Cuál es la

Es la reproducción controlada de un fenómeno; y cuyo resultado

Es el conjunto de todos los resultados posibles de un experimento

Conjunto de uno o más resultados del experimento aleatorio.

Probabilidad es un valor entre 0 y 1, que indica la posibilidad relativa

Calcular la probabilidad de obtener un 2 al lanzar un dado.

•La regla de complementación o regla del complemento nos dice que si

También podemos expresarlo como: «la probabilidad de que no ocurra

La regla de adición o regla de la suma, establece que si tenemos un

Dos eventos A y B son mutuamente excluyentes si no pueden ocurrir al

La probabilidad de que un día cualquiera, Carlos almuerce pollo frito es

Si tenemos dos eventos, A y B, la probabilidad condicional de que

En un diagrama de Venn, veríamos los eventos A y B de la siguiente

La condición, es que se ha realizado en el evento B, por lo tanto,

Por ello, podemos ver que el universo está representado por la