ESTADÍSTICA
Facultad Nacional de Ingeniería
Oruro - Bolivia
José Luis Zamorano Escalante
Universidad Técnica de Oruro
Presentación
El termino estadística proviene del latín
statisticum collegium (“consejo de
Estado”) y de su derivado italiano
statista (“hombre de Estado o político”).
En 1749, el alemán Gottfried Achenwall
comenzó a utilizar la palabra alemana
statistik para designar el orígen de la
estadística que está relacionada con el
gobierno y sus cuerpos administrativos.
ESTADISTICA:
Método científico que nos proporciona
procedimientos válidos para la
recolección, tabulación, análisis,
interpretación y presentación de datos,
que pueden ser utilizados en la toma de
decisiones.
Ramas de la Estadistica:
ESTADISTICA DESCRIPTIVA
• Se ocupa de los métodos de recolección,
descripción, visualización y resumen de los datos,
que pueden ser presentados en forma numérica o
gráfica.
INFERENCIA ESTADISTICA
• Permite hacer afirmaciones válidas acerca de la
POBLACION con base a la información obtenida
de una MUESTRA, con la ayuda de la
PROBABILIDAD
Población:
Es la totalidad de posibles objetos o medidas
de interés sobre los que se hace un estudio
Pueden ser infinitas ó finitas
Muestra:
Es una parte de una población, seleccionada
adecuadamente, que conserva los aspectos
clave de la población
Muestra
Población
PROBABILIDAD
Muestra INFERENCIA
Muestra Aleatoria
Cuando el proceso de toma de una
muestra es tal que garantiza a cada
uno de los elementos de la
población tienen la misma
oportunidad de ser incluidos en
dicha muestra, denominamos a la
muestra ALEATORIA
Variables Variables
Controlables Respuesta
PROCESO
Variables
Incontrolables
Variable Finita (Discreta)
Cantidad de botellas
Variable Infinita (Contínua)
VOLUMEN LLENADO
Variable contínua
TEMPERATURA
1 2 3 4 5 6 7 8 9 10 11
Distribuciones de probabilidad
Probabilidad
Posibilidad de ocurrencia de un evento
No. de casos favorables en relación al No de
casos posibles (totales)
Distribuciones de probabilidad
Probabilidad Discreta
Un evento tiene un valor de probabilidad
Distribuciones de probabilidad
Probabilidades Discretas
Bernoulli : Una prueba dos eventos
Binomial : N pruebas dos eventos
Multinomial : N pruebas N eventos
Hipergeométrica : Pruebas destructivas
Poisson : Pruebas que tienen un área o
tiempo definidos
Variable contínua
Probabilidad Contínua
Un evento tiene cero de probabilidad de
ocurrencia
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0
Distribuciones de probabilidad Contínuas
Normal
“Ji” Cuadrada
“t” de Student
“F” de Fisher
Distribución Normal de una
muestra
x− µ
Z =
σ n
Distribución Normal de una
muestra
Distribución “ji” cuadrada (χ2)
Si s2 es la varianza de una muestra aleatoria de
tamaño n, tomada se una población normal con
varianza σ2, entonces la variable aleatoria:
( n− 1 ) s 2
χ 2
=
σ 2
Tiene una distribución ji cuadrada con υ=n-1 grados
de libertad
Distribución “ji” cuadrada (χ2)
Distribución “ji” cuadrada (χ2)
Distribución “t” de Student
Si Z es una variable normal estandar y V una
variable ji cuadrada con υ grados de libertad,
entonces la variable aleatoria T :
Z
T = (x − µ )
V T=
ν S n
Es una distribución t con υ grados de libertad
Distribución “t” de Student
Distribución “t” de Student
Distribución “F” de Fisher
Si U y V son variables aleatorias que
tienen distribución “ji” cuadrada con υ1 y
υ2 grados de libertad, entonces :
U
ν 1
F =
V
ν 2
Tiene una distribución “F” con υ1 y υ2
grados de libertad
Distribución “F” de Fisher
Distribución “F” de Fisher
Estadistica descriptiva
Media (promedio) es un parámetro de
tendencia central
Si x1; x2; x3; …. ; xn representan los
elementos de una muestra aleatoria de
tamaño n, la media muestral está definida
por:
n
∑x i
X = i =1n
Estadistica descriptiva
Varianza es un parámetro de dispersión
Si x1; x2; x3; …. ; xn representan los elementos de
una muestra aleatoria de tamaño n, la varianza
muestral está definida por:
n
2
∑ ( xi − x ) 2
i= 1
s =
n −1
Desviación Standard
2
s= s
Estadistica descriptiva
Varianza = Cuadrado medio (CM)
∑ ( xi − x ) 2 Suma de cuadrados
s2 = i= 1 CM = ----------------------------
n −1 Grados de libertad
Grados de Libertad : No. De
Comparaciones independientes en el
cálculo de un parámetro estadístico
( Total de muestra menos No.
Parámetros Calculados)
Estadistica descriptiva
Media muestral : x
Media poblacional µ
Varianza muestral : s2
Varianza Poblacional : σ2
Varianza de una variable que es función de
otras:
• y = f(x1;x2;x3…..xn)
2
y 2
i x sxi
sy
2 i
i
Teorema del límite central
Si x1; x2; x3; …. ; xn son variables aleatorias
independientes, con valor medio µ y
varianza σ entonces la distribución de la
2
Variable
n
x i n
Z i 1
n
Es la distribución normal estandarizada
N(0,1) cuando n →∞.
Distribución Normal
Una empresa fabricante de detergentes tiene dos máquinas de
llenado. Se sabe que la máquina A llena según N(87.5 gr;0.5 gr) y
otra máquina B llena según N(87.5 gr;0.8 gr). Para que no se
rechace una bolsa llena, el contenido de detergente no puede ser
menor a 86 gr. a) cuál es la probabilidad de que una bolsa escogida
al azar llenada por A sea rechazada? Idem si es llenada por la
máquina B. b) Si las bolsas vacías tienen un peso que se distribuye
según N(21.5 gr; 1.2 gr), cuál es la probabilidad de que el peso de
una bolsa llenada por A o por B sea mayor a 110 gr.?
Una planta de ácido sulfúrico fabrica ácido con una
concentración promedio de 60%. Hallar el valor
máximo de la desviación estándar del proceso, que
permita asegurar que el 99% del ácido producido
tiene una concentración comprendida entre el 56%
y el 64%.
