Lección 1: Fundamentos de

Estadística
Probabilidades y Distribución Normal

Geoestadística
Primavera 2021
Prof. Katherine Sanchez
Distribución normal

La densidad de probabilidad es la campana de Gauss:

 Ejercicios
• Se tienen 9 muestras con ensayos de ley de cobre
total (en %):
0.52 0.63 0.7 0.47 0.39 0.12 0.21 0.55 1.38

Determinar un intervalo de confianza para la ley de

cobre promedio del sector en el cual se tomaron
estas muestras. Se considerará que la varianza de las
leyes en este sector es igual a 0.15
 Ejercicios
• Mismo ejercicio, suponiendo que la varianza de las
leyes es desconocida.
• Se tiene que las mediciones siguen una normal de
media m y varianza s2 desconocida, se tiene:
 Prueba de Hipótesis
Un test (o prueba) es un
procedimiento estadístico para validar Procedimiento general
o invalidar una hipótesis sobre un
valor a priori de un parámetro, sobre
la distribución de la cual provienen las
muestras, sobre la pertenencia de un
individuo a una población, o sobre un
modelo estadístico (por ejemplo, un
modelo de regresión).
• Test paramétrico
• Test de ajuste
• Test de comparación de muestras
• Test de independencia
 Introducción
Test de Hipótesis
H0: Hipótesis Nula (hipótesis que se privilegia, se presume válida).
H1: Hipótesis Alternativa.

Dado que se privilegia H0, se rechaza H0 sólo si no se tiene suficiente evidencia

para decir que H0 es cierta (se rechaza en favor de H1).

Para varios de los Test que estudiaremos, “rechazamos” H0 cuando el

estimador calculado (vía fórmula) es mayor que el valor crítico (valor
obtenido por tablas, en función del test aplicado, grados de libertad y nivel de
confianza requerido).

Test Bi-Laterales, generalmente utilizamos 2,5% de nivel de confianza a cada

lado. Para Test Uni-Laterales, utilizamos 5%.

H1: Indica si el test es unilateral (a1 > a2) o bi-lateral (a1 ≠ a2)
 Introducción
Estadística Comparativa.
Hay dos muestras realizadas en forma independiente, para la
variable aleatoria que X1 se tiene la primera muestra y para X2
la segunda muestra, se ha observado los valores {X1,1,... X1,n1} e
{X2,1,... X2,n2}. Las hipótesis que se consideran son:
H0: X1 y X2 tienen la misma distribución
H1: X1 y X2 tienen distribuciones distintas

H1: Indica si el test es unilateral (a1 > a2, o a1 < a2) o bi-
lateral (a1 ≠ a2)
Esto permitirá decidir si las dos muestras provienen o no de la
misma población
 Ejercicios
• (“Round Robin” para muestras estándares). Para un
programa de control de calidad de muestreo, se
prepara una muestra estándar a partir de rechazos
de sondajes. La calibración del estándar se hace al
enviar 6 porciones (sobres) de 250g a varios
laboratorios de reputación. Cada laboratorio tiene su
propio procedimiento para el análisis químico de la
ley.
De los resultados obtenidos, determinar un intervalo
de confianza sobre la ley media verdadera de la
muestra estándar. Comentar.
 Ejercicios
• Se considera un nuevo procedimiento para los
ensayos de ley de cobre. Se desea saber si este
procedimiento da el mismo resultado que el
antiguo. Para ello, se selecciona 15 sub-muestras
que se ensayan por ambos procedimientos. Los
resultados obtenidos se muestran en la siguiente
tabla.
 Ejercicios
Hipótesis nula: µ1 = µ2 = µ
Hipótesis alternativa: µ1 ≠ µ2 (test bilateral)

T tiene una distribución de Student con n1 + n2 – 2 grados de libertad.

R: se acepta H0, el test indica mas bien que no hay evidencia suficiente para
decir que son significativamente diferentes.
 Ejercicios
• Retomemos el ejercicio anterior (ensayos de ley de cobre) y
suponemos que 0.02% Cu sería una diferencia inaceptable
entre ambos procedimientos. ¿Cuántos ensayos
deberíamos hacer con cada procedimiento para
asegurarnos de detectar tal diferencia con 95% de
confianza?

Nota: Se intenta controlar solo el error tipo I (rechazar la

hipótesis nula cuando en realidad esta hipótesis es válida,
falsa alarma)
 Ejercicios
• Se dispone de datos de sondajes de diamantina y
de pozos de tronadura, con mediciones de la ley de
cobre total (en %) (archivo “Leyes de cobre.xls”). Se
les pide diseñar un test para decidir si ambos tipos
de mediciones tienen la misma calidad.

Los datos presentan

distribución lognormal
 Ejercicios
ETAPA 1: Comparación de varianzas (Test de Fisher)
de los datos logarítmicos
Hipótesis nula: σ12 = σ22 = σ2
Hipótesis alternativa: σ12 ≠ σ22
Si S12 ≥ S22
ETAPA 2: Comparación de medias (Test de Student)
de los datos logarítmicos
Hipótesis nula: µ1 = µ2 = µ
Hipótesis alternativa: µ1 ≠ µ2
 Ejercicios
• A partir de un centenar de datos duplicados,
mandados a dos laboratorios distintos, se desea
concluir sobre la exactitud del análisis químico de
estos laboratorios (archivo “Duplicados.xls”).
Test de Student para muestras pareadas
D = X1 – X2
Hipótesis nula: D tiene esperanza nula
Hipótesis alternativa: D no tiene esperanza nula
T tiene una distribución de Student de

n-1 grados de libertad (Test bilateral

a=2,5%)
R: Se rechaza la hipótesis nula y se concluye que existe una diferencia
significativa en las medias de los dos laboratorios
 Ejercicios
• Se desea determinar si el pre-acondicionamiento en un
sector de una mina de block caving tiene influencia
significativa en el tamaño de la roca extraída en un
punto de extracción. Se hizo un experimento en dos
sectores de similares características geológicas, uno con
preacondicionamiento (puntos A, B y C) y otro sin pre-
acondicionamiento (puntos D, E y F), en donde se midió
el diámetro mediano (d50) en distintas etapas de
extracción (archivo “Preacondicionamiento.xls”).
¿Cuántas mediciones serían necesarias para
determinar si el preacondicionamiento reduce el d50
de al menos 1 cm?
 Ejercicios
Test de Student para dos medias, selección del tamaño de
la muestra
Hipótesis nula: pre-acondicionamiento no cambia el d50
Hipótesis alternativa: pre-acondicionamiento reduce el d 50

Test unilateral (no interesa el caso en

que aumente el d50).

El valor critico de Student de 2n – 2 = 34 grados de libertad con riesgo

a=5% es 1,69.
Normalización de datos
Debido a lo poco frecuente que
una variable regionalizada pueda
ser considerada como
Gaussiana, se requiere una
transformación llamada
anamorfosis que consiste en
deformar la distribución de los
datos en una distribución
Gaussiana estándar, es decir, de
media 0 y varianza 1.
 Tarea
• En su calidad de metalurgista en jefe, Ud. recibe la
propuesta de un vendedor que pretende incrementar la
recuperación de los minerales sulfurados de cobre en el
circuito de flotación de su planta, desde 89% a 95%,
gracias a un nuevo reactivo. La propuesta le parece lo
suficientemente interesante para merecer una evaluación.
El metalurgista de planta realiza un ensayo con el nuevo
reactivo por 6 días consecutivos y compara los resultados
con aquellos de los 20 días previos al ensayo (ver archivo
adjunto “Reactivo planta de flotación.xls”). Se les pide
testear si la recuperación media con el nuevo reactivo es
de 95%, si la varianza de las recuperaciones es idéntica
con los dos reactivos, y si la recuperación media es
idéntica con los dos reactivos.
 Tarea
• Como la calidad del mineral enviado a planta puede
haber cambiado durante el ensayo anterior, Ud.
decide realizar un ensayo de dos semanas, en las
cuales ambos reactivos son usados en circuitos de
flotación paralelos con el mismo mineral. Se les
pide realizar nuevamente los tests anteriores.