UNIVERSIDAD CENTRAL DE VENEZUELA

COMISIÓN DE ESTUDIOS DE POSTGRADO

ÁREA DE GEOGRAFÍA
MAESTRÍA EN ANÁLISIS ESPACIAL Y GESTIÓN DEL TERRITORIO
ASIGNATURA: MÉTODOS CUANTITATIVOS EN GEOGRAFÍA

ESTADÍSTICA
DESCRIPTIVA
(Continuación)

Facultad de Humanidades
y Educación Clase Nº 2 23 de septiembre de 2010
 Concepto de Probabilidad

“Es la posibilidad o la oportunidad de que

ocurra un evento específico” (Berenson, 2001)

Probabilidad Clásica o a priori

CF Donde:
P P = probabilidad
CP CF = casos favorables
CP = casos posibles
 Propiedades de la Probabilidad

1. Número positivo entre 0 y 1

2. La probabilidad vale cero cuando el suceso es

imposible que ocurra.
 
3. La probabilidad vale 1 cuando el suceso es
seguro que ocurra.
 
4. La probabilidad del suceso A más la
probabilidad contraria es igual a 1
 Distribuciones de Probabilidad

• Lista de todos los resultados posibles.

•Número finito de resultados posibles.
1. Discretas •Permite calcular la probabilidad de cada
resultado posible.

• Infinitos resultados posibles.

•Imposible asignar probabilidades a cada
2. Continuas resultado posible.
•Los resultados posibles difieren unos de
otros en cantidades infinitesimales.
Distribuciones de Probabilidad

•Binomial
•Poisson
•Normal
•T de Student
•Chi Cuadrado
 Distribución Binomial

Es una distribución de tipo discreta, y está

asociada a experimentos donde los ensayos
producen uno de dos resultados posibles, a uno de
los resultados se le llama probabilidad favorable o
de éxito (p) y al otro probabilidad desfavorable o
de fracaso (q).
 Fórmula de la Distribución Binomial

n x n x
P ( x )    p * q
 x
Donde:
P(x) = Probabilidad de que ocurran “x” casos favorables
p = Probabilidad favorable de ocurrencia de un resultado
específico.
q = Probabilidad contraria o de fracaso
n = Nº de observaciones o tamaño de la muestra
x = Casos favorables
 Distribución de Poisson
Es una distribución de tipo discreta, que también
se denomina de los sucesos raros, ya que es
aplicada a sucesos cuya probabilidad de
ocurrencia esta muy cerca de cero.

En el área geográfica tales sucesos pueden ser:

•Fenómenos meteorológicos o climáticos infrecuentes.
•Movimientos sísmicos (terremotos y maremotos).
•Erupciones volcánicas.
•Incendios en ciudades o áreas verdes.
 Fórmula de la Distribución de Poisson

x
 *e 
  n* p
P( x) 
x!  
Donde:
P(x) = Probabilidad de x éxitos dado el valor de 
 = Esperanza del número de éxitos por unidad
e = Constante matemática, con valor aprox. 2,71828
x = Número de éxitos por unidad

Permite observar sucesos discretos en un

intervalo continuo.
 Distribución Normal

Es una distribución de tipo continua, por ello sus

variables aleatorias pueden tomar un número
infinito de valores posibles.

En geográfica su uso se extiende a todas aquellas

variables cuantitativas que presentan una
Distribución Normal o aproximadamente Normal.
 Características de la Distribución Normal

1. Simétrica. f(X)

2. Asintótica.
0,5 0,5
3. Su forma está X
definida por 
los valores de Media
Mediana
la media y la Modo
desviación
típica.
4. El área es igual a la probabilidad.
f(X)

X
a b

5. La probabilidad de un valor exacto

en la distribución normal es
aproximadamente cero
 Tipos de Asimetría

Asimetría Asimetría
Negativa Simétrica Positiva
 Fórmula de la Distribución Normal
Función genérica de la Distribución Normal
( x   )2
1 
2 2
f ( x)  *e
 2

Fórmula estandarizada de la Distribución Normal

Donde:
xi   Zi = Variable tipificada o estandarizada
zi  Xi = Variable en estudio
  = media de la distribución

= desviación típica de la distribución
 Ejemplo de estandarización

xi   21,24  20
zi    0,31
 4

Distribución Normal
Distribución Normal
Estandarizada
 4 Z 1

21,24 X 0,31
Z
  20 Z  0
 Tabla Normal Estandarizada

Para un Z=0,31 Tabla Normal Estandarizada

¿Cuál es la probabilidad?
Z 0 1 2
0.5 0.1217
0.0 0.000 0.0040 0.0080

0.1 0.0398 0.0438 0.0478

0 X 0.2 0.0793 0.0832 0.0871

z  0,31
0.3 0.1179 0.1217 0.1255
La probabilidad de que ocurran
lluvias inferiores o iguales a
21,24 mm es de 62,17%
 Distribución T de Student

Es una distribución de tipo continua, que

permite realizar inferencias acerca de la media
aritmética, cuando no se conoce el valor de la
desviación típica poblacional y el número de
datos es menor a treinta (30).
 Características de la Distribución T de Student

1. Forma acampanada. 2. Simétrica.

3. Si se compara con la curva Normal, posee más área

en las colas y menos área en el centro.

Normal

T de Student
Distribución T de Student para diferentes
grados de libertad
 Distribución Chi Cuadrado ( ) x2

La prueba no paramétrica de mayor uso en

estadística es la Prueba Chi-cuadrado, y su
distribución en el muestreo se denomina
Distribución Chi Cuadrado.
 Distribución Chi Cuadrado

La prueba Chi Cuadrado mide la discrepancia

existente entre las frecuencias observadas y las
frecuencias esperadas de una determinada
distribución, mediante la fórmula:


n
( fo  ft ) 2
 Donde:
Xc   
2
 fo = frecuencias observadas

i 1  ft 
ft = frecuencias teóricas o
esperadas
 Características de la Distribución Chi Cuadrado

1. Valores positivos de 0 a ∞+

2. Asimetría positiva. 3.A medida que aumenta el tamaño

de la muestra la curva es menos
asimétrica

4. Para cada tamaño

muestral, se tendrá una
distribución diferente
Región de no
rechazo Región de rechazo

0 ∞+
Distribución Chi Cuadrado para diferentes
grados de libertad
 UNIVERSIDAD CENTRAL DE VENEZUELA
COMISIÓN DE ESTUDIOS DE POSTGRADO
ÁREA DE GEOGRAFÍA
MAESTRÍA EN ANÁLISIS ESPACIAL Y GESTIÓN DEL TERRITORIO
ASIGNATURA: MÉTODOS CUANTITATIVOS EN GEOGRAFÍA

ESTADÍSTICA
INDUCTIVA

Facultad de Humanidades
y Educación Clase Nº 2 23 de septiembre de 2010
 Estadística inductiva

Persigue hacer generalizaciones sobre conjuntos

extensos de datos (población), a partir de
observaciones de conjuntos parciales
(muestra).
Permite
calcular el
Inferencia = Muestreo + probabilidad error de la
inferencia

Cualquier inducción se expresa en términos de

probabilidad
 Algunos Conceptos

POBLACION
Población Estadística
Es el agregado de elementos y debe
definirse en términos de un espacio
físico y un espacio temporal. La
población puede ser finita o infinita.

Muestra
Es un subconjunto representativo
de “n” elementos de la población
estadística.
MUESTRA
 Tamaño de la muestra

El tamaño de la muestra, hace referencia al

número de elementos de la población que se
deben seleccionar para extraer de ellos la
información a estudiar que luego se va a
generalizar.

A mayor tamaño de la muestra, se obtendrá

mayor precisión en la estimación.
 ¿Cuándo debe tomarse una muestra?

• Cuando la población sea infinita o tan

grande que resulte impráctico el
análisis completo de cada uno de sus
elementos.

•Cuando deban estudiarse muchas variables.

•Cuando se requiera información urgente.

 ¿Cuándo se debe tomar una muestra?

•Cuando el proceso de observación o

medición de los elementos resulte
destructivo.

•Cuando los costos para acceder a la población

estadística sean muy altos.
 Muestra Representativa

“una muestra que reproduce las

características de interés que existen en la
población de la manera más cercana posible
será representativa, en el sentido de que
cada unidad muestreada representa
características de una cantidad conocida de
unidades en la población” (Lorh, 2000)
 Características de la muestra
Para que una muestra sea significativa desde el
punto de vista estadístico deberá reunir las
siguientes características:

•Debe ser representativa de la población de la

cual se obtuvo.

•Debe ser posible medir la confiabilidad de las

estimaciones obtenidas de la muestra.
 Muestreo

Leslie kish (1965) afirma que el muestreo es un

conjunto de “métodos para seleccionar y observar
una parte de la población con el fin de hacer
inferencias acerca de toda la población”
Cochran (1977) el muestreo es “el proceso de
selección de muestras y estimación de parámetros
que proporcionen al menor costo posible,
estimaciones con la suficiente exactitud para
nuestros propósitos”
 Ventajas del Muestreo

•Reducción de los costos durante la investigación.

• Obtención rápida de la información.
•Ampliación del alcance de la investigación.
•Mejor entrenamiento, formación y control del
personal que interviene en la investigación.
• Mayor exactitud en los resultados.
•Mayor rapidez y eficiencia en el procesamiento y
publicación de los resultados.
 Estadísticos y Parámetros
Estadísticos:Son los valores obtenidos de la muestra.
Parámetros: Son los valores obtenidos de la población.

X
 Error Típico o Error de Muestreo

Es el error que se genera por el hecho de trabajar

con muestras, en lugar de la población completa.
Su magnitud depende funcionalmente del tamaño
de la muestra, del estimador y del diseño que se
emplee.

Puede ser calculado. x 
n
Donde, x = Error de Muestreo
Este error es inversamente proporcional a
la confianza de la estimación.
 Error Ajeno al Muestreo

Es el error que se produce externo al proceso de

muestreo, generado por las actividades que se
desarrollan durante la investigación.

POR EJEMPLO:
•Errores de transcripción de los datos.
No puede ser calculado.
•Problemas en el instrumento de medición.
•Inadecuado entrenamiento de los encuestadores
•Fuentes de información no confiable.
 Limitaciones del Muestreo

•No permite realizar cálculos, proyecciones o

tabulaciones con respecto a áreas o grupos
pequeños.
•El calculo de los resultados esta sujeto a los errores
del muestreo y a errores ajenos al muestreo.

•En base a una muestra se dificulta la tabulación

cruzada de algunas características investigadas.

•Las posibilidades de error se multiplican en las

diferentes operaciones y en las complicaciones que
surjan de su propio mecanismo.
 Tipos de Muestreo

Muestreo Probabilístico Muestreo No Probabilístico

Todos los elementos de No Todos los elementos
la población tienen la de la población tienen la
misma probabilidad de misma probabilidad de
ser seleccionados. ser seleccionados.

Cuando se aplica el muestreo probabilístico, pueden

construirse intervalos de confianza, estimar
parámetros y calcular el error de muestreo.
 Clases de Muestreos No Probabilísticos

Muestreo de tipo intencional

Muestreo Subjetivo
Encuestas de opinión o mercado

Tipos de Muestreo
Cuota = perfil del entrevistado
Muestreo por Cuotas
Encuestas de opinión o mercado

EDAD – SEXO – NIVEL EDUCATIVO

Conocer la opinión de la población acerca de un

acontecimiento geográfico.
 Clases de Muestreos Probabilísticos

Muestreo Aleatorio
La selección de los elementos puede hacerse con
reemplazamiento y sin reemplazamiento, y
dependerá del tamaño de la población
estadística.

•Bombo
Selección •Tabla de números
aleatorios
Tabla de números aleatorios
Muestreo Aleatorio
Presenta propiedades matemáticas
sencillas que facilitan el cálculo de sus
estadísticos en el proceso de estimación.

En Geografía es utilizado para el

análisis urbano, la evaluación de los
servicios puntuales y de redes, para
conocer la condición
socioeconómica de la población,
entre otros.
 Muestreo Sistemático

La selección de los elementos se realiza de

forma sistemática

Muestreo de fácil aplicación y permite extender

la muestra sobre todo el universo.

Factor de muestreo
sistemático
N Donde:
f .m.s  N = Tamaño de la población.
n n = Tamaño de la muestra.
 Muestreo Sistemático

Por ejemplo, si la población está compuesta por 8 Estados y se

desea tomar una muestra de 4 Estados, entonces:

Estado N 8
Yaracuy
Yaracuy
f .m.s    2
n 4
Miranda
Lara
Lara
Este resultado indica que deben tomarse 4
Falcón
Zulia
Zulia estados seleccionados de 2 en 2
Mérida
Tachira
Táchira
Es poco utilizado en el área geográfica, sin
Trujillo embargo, puede usarse siempre que se
tenga una lista de los elementos a
seleccionar.
 Muestreo Estratificado

Consiste en realizar agrupaciones que atienden a un

criterio específico, estas agrupaciones se denominan
estratos.

Los estratos deben ser homogéneos internamente y

heterogéneos entre sí.

El reparto de la muestra en los diferentes estratos se llama

afijación.

La afijación puede ser: igual o uniforme, proporcional, u

óptima.
 Ventajas del muestreo estratificado

•En esta clase de muestreo el costo de la recolección y el

análisis de los datos se reducen al estratificar en grupos los
elementos a estudiar.
•Al trabajar con unidades homogéneas se reduce la varianza,
lo que se traduce en ganancia de precisión en las
estimaciones, es decir, disminución del error de muestreo.

•Se obtienen estimadores separados para los parámetros de

cada estrato, es decir, permite trabajar de forma
independiente cada uno de los estratos e incluso utilizar
deferentes métodos de muestreo o estimación, en función de
la información disponible en ellos.
 Muestreo Estratificado

Para seleccionar el número de elementos a estudiar en cada

estrato puede usarse el muestreo sistemático o aleatorio.

En el área geográfica es
utilizado cuando se puedan
delimitar grupos homogéneos,
por ejemplo, al clasificar el
relieve, la vegetación, el
drenaje, los centros poblados
(urbanos y rurales), los tipos de
suelos, entre otros.
Regiones Geográficas
Distribución de Población
Precipitación promedio anual
Clima
Vegetación
 Muestreo por Conglomerados

Consiste en dividir a la población en

grupos denominados conglomerados.
Los conglomerados deben ser
heterogéneos internamente y
homogéneos entre sí.
 Muestreo por Conglomerados

Los conglomerados deben identificarse con

la finalidad de seleccionar una muestra
aleatoria de n conglomerados, esto puede
hacerse a través del muestreo aleatorio
simple o sistemático.
Se estudian los conglomerados
seleccionados, otra alternativa seria tomar
una muestra en cada conglomerado y
realizar el estudio
 Ventaja del muestreo por conglomerados

• Reduce los costos y el tiempo de ejecución, ya que solo

trabaja con los conglomerados seleccionados para formar
la muestra.

Si bien este procedimiento tiende a incrementar el error

de muestreo una forma de reducirlo es seleccionando un
mayor número de conglomerados pequeños en lugar de
unos cuantos conglomerados grandes.
 Muestreo Estratificado Vs Muestreo por
Conglomerados
ESTRATIFICADO POR CONGLOMERADOS
El muestreo es un arte, no existe una guía práctica que indique que clase
de muestreo usar en una determinada situación.

En geografía muestreo de mayor uso es el

estratificado