ESTADSTICA APLICADA A LAS CIENCIAS DE LA EDUCACIN

ALBERTO RAMREZ GONZALEZ1

I. INTRODUCCIN A LA ESTADSTICA
1. PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD

1.1 Introduccin Con este captulo se quiere introducir a los estudiantes o investigadores de las ciencias de la educacin en el tema de la estadstica y, con ello, ilustrar el significado de los resultados que se exponen en los captulos siguientes cuando se tratan pruebas de hiptesis o cuando se determina el error de muestreo o la talla requerida para que una muestra sea representativa. Se trata entonces de conceptos fundamentales que deben ser entendidos para obtener, de mejor forma, mayores beneficios en el uso de esta ciencia al servicio de la investigacin. As, por ejemplo, podemos concluir que existe relacin significativa con un 95% de confianza, entre una variable independiente X y otra dependiente; o, referimos que no hay diferencias significativas, con un 90% de confianza, entre un grupo control y otro experimental; o denotamos que con un error del 15% y un nivel de confianza del 99% se requieren 85 muestras de una poblacin; etc. Se invita al lector, por tanto, seguir numrica o mentalmente la temtica expuesta a continuacin, si bien la misma puede resultar un poco etrea en tanto no se refiere al tema educativo propiamente. La estadstica es la ciencia que estudia las variables probabilsticas, es decir, azarosas, aleatorias o estocsticas. A manera de ejemplo, si suelto un esfero, ste siempre se cae al suelo, lo que indica que se trata de un evento determinstico, dado que siempre ocurre lo mismo. Sin embargo, si suelto en lugar del esfero una pluma, observar que en ocasiones sta se cae igual que el esfero, pero en otras oportunidades se eleva y vuela. Dado que el resultado de soltar la pluma no siempre lleva a un nico e igual resultado, decimos que es un evento probabilstico. Algunos otros eventos que regularmente reconocemos como conducentes de resultados aleatorios en nuestra vida cotidiana, incluyen el lanzar una moneda o un dado, el tomar una carta de una baraja de naipes o as mismo el nmero de la lotera. Los juegos de azar y los casinos, son ejemplos tpicos de situaciones propias de variables aleatorias. Sin embargo, la gran mayora de sucesos que ocurren en nuestros quehaceres regulares o en la educacin son tambin de carcter azaroso. Ello incluye la tasa de ingreso al sistema educativo, el resultado de un examen en el aula de clase, la cantidad de alumnos que hay por profesor, la mortalidad en un experimento longitudinal, el incremento esperado en solicitudes de ingreso a
1

M.Sc. Educacin

una facultad, etc. Ellas, como muchas otras variables educativas, estn afectadas por muchos elementos, factores o polticas del sistema social, econmico y cultural de un pas o una regin especfica, o tambin por las caractersticas particulares de una institucin, la historia de un grupo de alumnos o incluso por factores netamente biolgicos como la edad, el gnero y las caractersticas intrnsecas que nos son propias para aprender o para olvidar. El proceso de muestreo que aplicamos cotidianamente en una investigacin, es tambin de carcter azaroso. De manera general, las variables que estudiamos se pueden clasificar de diferentes maneras. Las ms importantes son: Nominales o cualitativas: variables que no pueden ser medidas como una cantidad sino como un atributo: rojo, verde, redonda, larga, etc. Si slo tiene dos estados se conoce como binaria: aprob-reprob. Ordinales: se refieren a las variables que podemos ordenar dentro de un conjunto de elementos que estamos estudiando. 1, 2, 3, etc. De razones: se trata de variables cuantitativas que pueden ser evaluadas por su magnitud o intensidad y, por tanto, pueden ser registradas numricamente al adquirir cualquier valor. Por ejemplo, una calificacin, el nmero de estudiantes de una institucin, etc. Estas variables pueden sumarse, restarse, multiplicarse o dividirse, es decir, permiten calcular razones. De intervalos: se refieren tambin a variables cuantitativas pero que no permiten su multiplicacin o divisin. Por ejemplo, el CI o capacidad intelectual de 2 sujetos no puede dividirse por cuanto su razn no denota cuantas veces es ms inteligente uno sobre otro. Igual ocurre con otras pruebas que han sido normalizadas.

1.2 Probabilidades La probabilidad de que un evento ocurra se define como la posibilidad de que ste suceda dentro de un conjunto mayor de posibilidades existentes. Veamos algunos ejemplos propios del clculo de probabilidades: Si se lanza una moneda la probabilidad que caiga cara (C) es igual a: Cara (C) = = 0,5 Si se lanza un dado la probabilidad que caiga uno (U) es igual a: Uno (U) = 1/6 = 0,166.. La probabilidad que ocurra un evento X es entonces igual al nmero de posibilidades de ese evento dividido por el nmero de posibilidades totales. P(X) = Nmero de posibilidades del evento X / Nmero total de posibilidades 2

Es as como la probabilidad que caiga cara corresponde al nmero de veces que est cara en la moneda (1) dividido por el nmero de eventos en la moneda (2, cara y sello). Igualmente, la probabilidad que caiga uno al lanzarse el dado, resulta del nmero de caras del dado que tienen un valor de uno (1), dividido por el nmero de caras en el dado (6, en un dado corriente). Cuando se quiere determinar la probabilidad conjunta de varios eventos posibles, se suman las probabilidades de cada uno de los eventos considerados. As, por ejemplo: La probabilidad de lanzar un dado y obtener 1 2, corresponde a la probabilidad de obtener 1 ms la probabilidad de obtener 2: 1/6 + 1/6 = 2/6. La probabilidad de obtener un nmero par (2, 4 6) es la suma de las probabilidades individuales de cada uno de ellos: 1/6 + 1/6 + 1/6 = 3/6. La probabilidad de obtener un nmero entre 1 y 5: 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 5/6.

Si hacemos extensivos estos conocimientos a una baraja comn que tiene 52 cartas, en las cuales hay 4 pintas o figuras (diamantes, picas, corazones y trboles), as como 4 cartas para cada nmero (1, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K), podemos calcular diversos eventos aleatorios, cuando extraemos una carta al azar: Probabilidad que sea un as: 4/52 = 0,0769.. Probabilidad que sea una figura (J, Q o K): 4/52 + 4/52 + 4/52 = 12/52 = 0,2307.. Probabilidad que sea mayor a 7 (8, 9, 10, J, Q o K): (4/52) x 6 = 24/52 = 0,4615.. Probabilidad que sea mayor o igual a 7 (7 a K): (4/52) x 7 = 28/52 = 0,5384.. Probabilidad que sea un corazn = 13/52 = 0,25

Ahora bien, cuando se trata del estudio de varios eventos consecutivos, la probabilidad de ocurrencia de un resultado particular, surge de multiplicar las probabilidades individuales. As por ejemplo: Si se lanza una moneda dos veces, el conjunto de resultados y sus probabilidades son: 1. 2. 3. 4. Cara y cara (C, C) = x = 0,25 Cara y sello (C, S) = x = 0,25 Sello y cara (S, C) = x = 0,25 Sello y sello (S, S) = x = 0,25

Por tanto, la probabilidad que caiga: Cara 2 veces (C, C) = 0,25 Cara 1 vez = (C, S) + (S, C) = 0,25 + 0,25 = 0,5 Cara 0 veces = 0,25 Igualmente, la probabilidad de que se lance un dado y caiga siempre uno es: Si se lanza dos veces: 1/6 x 1/6 = 1/36 = 0,0277.. 3

Si se lanza tres veces: 1/6 x 1/6 x 1/6 = 1/216 = 0,0046 Si se lanza cuatro veces: 1/6 x 1/6 x 1/6 x 1/6 = 1/1.296 = 0,00077..y as sucesivamente

Son muchas las situaciones en educacin que podran trabajarse de forma semejante a los ejemplos previamente descritos, tal como se ilustra a continuacin: En un aula de clase hay 45 alumnos, 15 de ellos hombres y 30 mujeres; cules son las probabilidades de que al seleccionar un alumno para una exposicin sea hombre o sea mujer? Si son 2 alumnos, cules son las probabilidades de que ambos sean hombres o mujeres, etc.

De hecho, situaciones ms complejas que sern tema de este documento permitirn responder preguntas de investigacin como las siguientes: Existe relacin entre la edad de los maestros y el desempeo acadmico? Es el desempeo medio de un curso superior al de otro? Cul es la calificacin promedio de los alumnos de un colegio a partir del promedio muestral?

1.3 Muestreo con y sin reemplazamiento Cuando se estima la probabilidad de un resultado particular a partir de eventos consecutivos hay que tener en cuenta si los eventos previos afectan o no las nuevas probabilidades de ocurrencia. As por ejemplo, si tomamos 2 cartas de una baraja cul es la probabilidad de que las dos sean ases? Con reemplazamiento: implica que las cartas que se van tomando regresan a la baraja y, por tanto, las probabilidades de ocurrencia individual nunca cambian: 4/52 x 4/52 = 16/2.704. Sin reemplazamiento: implica que las cartas que se van tomando no regresan a la baraja y, por tanto, las probabilidades de ocurrencia individual s cambian: 4/52 x 3/51 = 12/2.652.

1.4 Distribuciones de Probabilidad Una distribucin de probabilidad es una funcin que refiere la probabilidad de ocurrencia de un evento, para una variable. Las distribuciones de probabilidad se pueden tambin representar grficamente con un diagrama de barras o mediante variables continuas y el rea bajo la misma es igual a uno ya que incluye la suma de las probabilidades de todos los eventos posibles. Se describen a continuacin algunas de las distribuciones ms comunes. 1.4.1 Distribucin Binomial

Descripcin La distribucin binomial es aquella en la cual ocurren nicamente dos eventos como por ejemplo cara y sello en una moneda o, vivo y muerto en seres vivos. Para estudiar esta distribucin retomemos algunos de los ejemplos previamente expuestos. Si se lanza una moneda la probabilidad que caiga cara es igual a y la probabilidad que caiga sello tambin es . Grficamente podemos representar estos valores de la siguiente manera:
0,6 0,5 Probabilidad 0,4 0,3 0,2 0,1 0 Cara Eventos Sello

Cuando se lanza la moneda 2 veces, ya hemos visto previamente que los eventos posibles y sus probabilidades son: cara 2 veces = 0,25; cara 1 vez = 0,5; cara 0 veces = 0,25. Este resultado se representa en forma grfica como:
0,6 0,5 Probabilidad 0,4 0,3 0,2 0,1 0 0 1 Nmero de caras 2

Si repetimos este procedimiento para 3 lanzamientos de la moneda, y resolvemos el ejercicio de la misma forma que se ilustr previamente, se encuentra que el nmero de veces que cae cara y sus probabilidades respectivas son: cero veces = 0,125; una vez = 0,375; dos veces = 0,375; tres veces = 0,125. La representacin grfica correspondiente es la siguiente: 5

0,4 0,3 Probabilidad 0,2 0,1 0 0 1 2 3 Nmero de caras

Los ejercicios anteriores han podido desarrollarse de manera fcil gracias a que se ha supuesto un nmero pequeo de lanzamientos de la moneda, pero, no obstante, este procedimiento sera en extremo tedioso e imprctico si se pretendiese calcular para 10, 50 100 lanzamientos de la moneda. Para tales casos, conviene emplear la formula que describe a la funcin de la distribucin binomial definida como:

P( x ) = Donde:

N! p X q NX ( N X )! X !

p: Es la probabilidad de xito u ocurrencia del evento deseado (Ej. p = 0,5; cara) q: Es la probabilidad de fracaso (Ej. q = 1 p = 0,5; sello) N: Nmero de eventos estudiados (Ej. Nmero de veces que se lanza la moneda) X: Nmero de veces que ocurre el evento estudiado (Ej. Cara cae 0, 1, 2, 3... veces) P(X): Probabilidad de que ocurra un evento (Ej. Cara 0, 1, 2, 3... veces) Para comprobar el desempeo de la frmula anterior, asumimos tres lanzamientos de la moneda y comparamos estos valores con los previamente referidos. Los parmetros de referencia para este ejemplo son: p = 0,5; q = 0,5; N = 3; X = 0, 1, 2 y 3 caras. Luego, la probabilidad de que ocurra cara 0, 1, 2 y 3 veces respectivamente es:
P( x =0) = 3! 0,5 0 0,5 30 = 0,125 (3 0)! 0! 3! 0,510,5 31 = 0,375 (3 1)! 1! 3! 0,5 2 0,5 3 2 = 0,375 (3 2)! 2!
6

P( x =1) =

P( x = 2) =

P( x = 3) =

3! 0,530,53 3 = 0,125 (3 3)! 3!

Podemos observar que los resultados son idnticos a los previamente calculados. Cabe referir que el supuesto establecido de p = q = 0,5 quiere decir, que asumimos se trata de una moneda que no est cargada y da iguales posibilidades a cada lado. Aun as, el ejercicio anterior podra realizarse con otros parmetros como p = 0,3 y q = 0,7, , p = 0,9 y q = 0,1 u otros valores. Haciendo una extensin de la funcin binomial, si se lanza la moneda 10 veces se obtienen las siguientes probabilidades: 1 2 3 4 5 6 7 8 9 10 No. de Caras 0 Probabilidad 0,0009 0,0098 0,0439 0,117 0,205 0,246 0,205 0,117 0,0439 0,0098 0,0009 y la grfica que representa estos resultados es la siguiente:
0,3 0,25 Probabilidad 0,2 0,15 0,1 0,05 0 0 1 2 3 4 5 6 7 8 9 10 Nmero de caras

Se observa que la distribucin estudiada semeja una forma de campana a medida que aumenta el nmero de lanzamientos de la moneda. Cabe referir que en una distribucin binomial el valor esperado E(X) es igual a Np, por lo que en este ltimo ejercicio E(X) = Np = 10 x 0,5 = 5, valor que indica que si lanzamos la moneda 10 veces, esperamos que caiga cara 5 veces en razn a que las probabilidades para cara y sello son iguales. Como se ilustra en la grfica anterior, el valor esperado expone la mayor probabilidad de ocurrencia. Ello no quiere decir que si lanzamos la moneda 10 veces siempre caern 5 caras, ya que los dems resultados tambin tienen alguna probabilidad de acontecer. As, la probabilidad de que el resultado final sea 4 caras es 0,205 (igual que 6 caras), 3 caras 0,117 (igual que 7 caras) y as sucesivamente.

Entonces, si repitisemos cientos de veces el ejercicio de lanzar la moneda 10 veces, el valor promedio sera 5 caras y 5 sellos. En la figura anterior se observa que en el rea central se localizan los resultados de mayor probabilidad. Si tales resultados se expanden desde el centro hacia los dos costados se puede calcular la probabilidad conjunta de ellos:
Evento Cara 5 veces Cara 4, 5 6 veces Cara de 3 a 7 veces Cara de 2 a 8 veces Cara de 1 a 9 veces Cara de 0 a 10 veces Probabilidades Involucradas Probabilidad Total P(5) 0,246 P(4) + P(5) + P(6) 0,656 P(3) + P(4) + P(5) +P(6) + P(7) 0,890 P(2) + P(3) + P(4) + P(5) +P(6) + P(7) + P(8) 0,978 P(1) + P(2) + P(3) + P(4) + P(5) +P(6) + P(7) + P(8) + P(9) 0,998 P(0) + P(1) + P(2) + P(3) + P(4) + P(5) +P(6) + P(7) + P(8) + P(9) + P(10) 1

Es decir que, aproximadamente en el 65,6% de los lanzamientos caern 4, 5 6 caras, en el 89% 3, 4, 5, 6 7 caras, y as para las dems expansiones. Ntese que los valores de probabilidad se pueden expresar porcentualmente multiplicndose por cien: 0 10 (caras o sellos) 0,1% 1 9 (caras o sellos) 1% 2 u 8 (caras o sellos) 4% 3 7 (caras o sellos) 12% 4 6 (caras o sellos) 20 21% 5 (caras o sellos) 25%

En estadstica regularmente es importante conocer los resultados que acaecen en un 99, 95 90% de las situaciones, los cuales corresponden a resultados tpicos o esperados en una prueba de azar; tal es el caso, por ejemplo, de que caigan entre 2 y 8 caras, y cuya probabilidad es 0,978 (97,8% de posibilidad de que ello ocurra). Cuando un resultado particular cae por fuera de dicho rango, se considera que es atpico porque su ocurrencia es muy poco probable en una prueba cotidiana; este es el caso de que caigan 0, 1, 9 10 caras, y cuya probabilidad es 0,022 (2,2% de posibilidades). As, si lanzamos la moneda 10 veces y obtenemos 2, 3, 4, 5, 6, 7 u 8 caras, consideramos que cualquiera de estos resultados es esperado o tpico; no as, si caen 0, 1, 9 10 caras, lo que nos llevaran a concluir que la moneda est cargada, es decir, no tiene igual probabilidad de ocurrencia para cara y sello (p q 0,5). Al aseverar esto, podemos estar cometiendo un error igual a 2,2%. Partiendo de la frmula previamente expuesta correspondiente a la distribucin binomial, repetimos los clculos para 30 lanzamientos y buscamos cules son los resultados tpicos y atpicos para un valor prximo al 95% de las probabilidades.

Para ilustrar ello, repetimos el ejercicio con 30 lanzamientos lo que nos lleva a las siguientes probabilidades por evento, as como a las probabilidades conjuntas expandiendo desde el valor esperado (Np = 30 x 0,5 = 15):
Nmero de Probabilidad Expandida desde el Valor Probabilidad Caras Esperado hacia los dos Costados -10 0 9,31 x 10 1 2,79 x 10-8 2 4,05 x 10-7 3 3,78 x 10-6 4 2,55 x 10-5 Resultados atpicos 5 1,33 x 10-4 6 5,52 x 10-4 7 0,002.. 8 0,005 9 0,013 10 0,028 11 0,051 12 0,081 13 0,112 14 0,135 15 0,144 0,414 0,638 0,800 0,902 0,958 95,8 % 16 0,135 17 0,112 18 0,081 19 0,051 20 0,028 21 0,013 22 0,005 23 0,002 24 5,52 x 10-4 25 1,3 x 10-4 Resultados atpicos 26 2,55 x 10-5 27 3,78 x 10-6 28 4,05 x 10-7 29 2,79x 10-8 30 9,31 x 10-10

La grfica siguiente ilustra la distribucin binomial para el ejemplo en desarrollo.

0,16 0,14 0,12

Probabilidad

0,1 0,08 0,06 0,04 0,02 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Nmero de caras

De acuerdo a estas probabilidades, aproximadamente el 96 % de los resultados tpicos est entre 10 y 20 caras, por lo que eventos diferentes sern considerados como atpicos con una probabilidad de error del 4%. Por lo anterior, si lanzamos una moneda 30 veces y caen 19 caras, podemos concluir con un 96% de confianza que se trata de un resultado caracterstico para una moneda no cargada; no as, si caen, por ejemplo 21 caras. El procedimiento anterior puede proyectarse a cualquier nmero de lanzamientos de la moneda o cualquier distribucin binomial (hombre - mujer; presente - ausente; aprobado - reprobado) a partir de cualquier valor de p y de q (dado que p + q = 1). As, por ejemplo: Si en un curso hay 80 alumnos aprobados y 20 reprobados, cul es la probabilidad de que una muestra de 15 individuos contenga 0, 1, 2,.. 15 aprobados? Cul es el rango que define el 95% de resultados ms probables?

Es evidente que la frmula de la distribucin binomial nos ayuda a resolver estos ejercicios, pero los mismos siguen siendo engorrosos ya que se debe construir una nueva distribucin de probabilidad para cada caso particular, para luego s encontrar las probabilidades tpicas o ms probables (95% u otro valor). Para simplificar estos ejercicios se puede, sin embargo, acudir a otras distribuciones de probabilidad y a generalidades estadsticas ya expuestas y tabuladas en tablas, que se expondrn posteriormente.

10

Aplicaciones con Excel

Los ejercicios previamente descritos u otros, se pueden resolver mediante las ayudas estadsticas del programa Excel. PARA ELLO SE UTILIZA LA SIGUIENTE SECUENCIA DE COMANDOS: Ubique el cursor en la celda donde quiere obtener el resultado ; fx ; Estadstica ; DISTR.BINOM. Llene la ventana de dilogo que all aparece; Aceptar:
Nm_xitos Ensayos Prob_xito Acumulado

DISTR.BINOM: Devuelve la probabilidad de una variable aleatoria discreta siguiendo una distribucin binomial.

Ejemplo: se quiere conocer la probabilidad de obtener 15 caras si se lanza la moneda 30 veces, dado que las probabilidades de cara y sello son iguales (p = q = 0,5).
Nm_xitos Ensayos Prob_xito Acumulado Nm_xitos Ensayos Prob_xito Acumulado 15 30 0,5 Falso 15 30 0,5 Verdadero

Aceptar RESULTADO

0,14446445

Aceptar RESULTADO 0,57223222

El primer resultado 0,14446445 nos indica la probabilidad individual de ocurrencia del evento (Acumulado: Falso) mientras que en el segundo caso, 0,57223222 indica las probabilidades acumuladas desde 0 hasta 15 caras (Acumulado: Verdadero). Ubique el cursor en la celda donde quiere obtener el resultado ; fx ; Estadstica ; BINOM.CRIT. Llene la ventana de dilogo que all aparece; Aceptar:
Ensayos Prob_xito Alfa

BINOM.CRIT: Devuelve el menor valor cuya distribucin binomial acumulativa es mayor o igual que un valor de criterio.

11

Ejemplo: se lanza la moneda 30 veces (p = q = 0,5) y se quiere determinar cuntas caras ocurren cuando se expande desde el mayor valor (30 caras) hacia los menores, hasta alcanzar el 95% de las probabilidades?
Ensayos Prob_xito Alfa 30 0,5 0,05

Aceptar Resultado

11

El valor de alfa significa la probabilidad con la cual estamos resolviendo la pregunta; as, para 95% de confianza o 0,95 de probabilidad, el valor de alfa es 0,5 (1-0,95). De igual forma, para 99% de confianza alfa es 0,01 y para 90% es 0,10. El resultado de 11 caras seala que el 95% de los resultados tpicos se encuentra entre 11 y 30 caras si se expandiese desde el extremo mayor y no desde el centro o valor esperado. De igual modo, el lector podr comprobar que para 40 lanzamientos se alcanza tal valor en 15 caras y para 10 lanzamientos en 2.
Ejemplo resuelto

1. El conjunto de colegios de una localidad responde a 80% pblicos y 20% privados. Si se toma una muestra de 20 colegios, responda las siguientes preguntas: a. b. c. d. Cul es el valor esperado para colegios privados? Cul es la probabilidad de obtener 6 colegios privados? Cul es la probabilidad de obtener 6 ms colegios privados? Cul es la probabilidad de obtener entre 6 y 8 colegios privados?

Solucin: a. E(X) = Np = 20 x 0,2 = 4 Se espera obtener 4 colegios privados. b. Usando la herramienta de Excel se tiene que:
Nm_xitos Ensayos Prob_xito Acumulado 6 20 0,2 Falso Aceptar RESULTADO

0,1090

c. La probabilidad de obtener 6 o ms colegios privados corresponde a la suma de las probabilidades: 6, 7, 8,.. hasta 20. Se repite entonces el procedimiento anterior para los eventos 6 a 20 y se obtienen las probabilidades individuales de cada uno de ellos. La suma de todas las probabilidades calculadas da la solucin buscada.

12

Evento Probabilidad Evento Probabilidad

6 0,109 14 1x10-6

7 0,054 15 1x10-7

8 0,022 16 1x10-8

9 0,007 17 7x10-10

10 0,002 18 3x10-11

11 5x10-4 19 8x10-13

12 8x10-5 20 1x10-14

13 1x10-5 SUMA 0,1957

d. Es igual a: P(6) + P(7) + P(8) = 0,109 + 0,054 + 0,022 = 0,1858

Ejemplo propuesto

Un curso particular en matemticas anuncia que garantiza una eficiencia del 85% en aprobacin de sus alumnos. Si tomamos una muestra de 50 individuos, a) Cul es el valor esperado de alumnos aprobados? b) Cul es la probabilidad de que todos sean aprobados? c) Cul es la probabilidad que por lo menos 48 sean aprobados? d) Cul es la probabilidad de que hayan 45 aprobados o menos? Respuestas: a) 42,5; b) 0,00029; c) 0,01418; d) 0,8878

1.4.2 Distribucin Normal o Z Descripcin

Una distribucin de gran ayuda como extensin de la binomial es la distribucin normal o distribucin Z, tambin conocida como campana de Gauss. La distribucin binomial que es discreta, se aproxima a la normal que es continua, cuando Np 5 y Nq 5. En tales casos, el promedio () es igual a Np (ya se haba referido previamente como el valor esperado) y la varianza () es igual a Npq. El promedio es una medida central o punto de encuentro entre los valores altos y bajos, mientras que la varianza es una medida de dispersin que indica la variabilidad de los datos. La ecuacin que describe la distribucin normal es la siguiente: P( X ) = 1 2
2

e ( X )

/ 2 2

Con el propsito de comparar el desempeo de la distribucin normal frente a la binomial, emplearemos esta funcin para resolver el ejemplo previamente resuelto de 30 lanzamientos de la moneda. Para ello se verifican, en primer lugar, las cuantas de Np y Nq: Np = 30 x 0,5 = 15; Nq = 30 x 0,5 =15; dado que ambas cuantas son mayores a 5, se puede aproximar la distribucin normal a la binomial, en cuyo caso el promedio y la varianza son: = 30 x 0,5 = 15 ; = 30 x 0,5 x 0,5 = 7,5. Reemplazando estos valores en la ecuacin anterior para X = 0, 1, 2, 3, hasta 30, se obtienen las probabilidades de ocurrencia de cada evento. A manera de ejemplo, se expone el clculo para X = 15, junto con el conjunto de resultados:

13

P( X =15) =

2 1 e (1515 ) / (2 7 ,5 ) = 0,1456 2 3,1416 7,5

Probabilidad Expandida desde Nmero de el Valor Esperado hacia los dos Caras Probabilidad Costados (o Sellos)

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

4,4 x 10-8 3,1 x 10 -7 1,9 x 10-6 9,9 x 10-6 4,6 x 10-5 1,9 x 10-4 6,6 x 10-4 0,002.. 0,0055 0,013 0,028 0,050 0,080 0,112 0,136 0,146 0,136 0,112 0,080 0,050 0,028 0,013 0,0055 0,002.. 6,6 x 10-4 1,9 x 10-4 4,6 x 10-5 9,9 x 10-6 1,9 x 10-6 3,1 x 10 -7 4,4 x 10-8

95,66 %

Las probabilidades encontradas por las dos distribuciones son claramente similares y, as mismo, se reconoce que aproximadamente el 95% de ellos est entre 10 y 20 caras, rango semejante al observado en la distribucin binomial y que aglomera los resultados tpicos. La siguiente grfica representa la distribucin normal y ntese que a diferencia de la anterior, representa una variable continua (lnea) y no discreta (barras), lo cual indica que podemos hallar, por ejemplo, la probabilidad de obtener 15,38765.. caras. 14

0,16 0,14 0,12 Probabilidad 0,1 0,08 0,06 0,04 0,02 0

0 2 4 6 8 12 26 30 10 14 16 18 20 22 24 28

Evento

Demostrada la similitud entre una y otra distribucin, podemos emplear la normal en reemplazo de la binomial, aunque el procedimiento expuesto es igualmente laborioso. Existe, sin embargo, una metodologa ms sencilla que se fundamenta en la Tabla Z, la cual ya trae tabulados las diversas probabilidades para una variable estandarizada con = 0 y 2 = 1 (Tabla 1). Esta tabla describe el rea o probabilidad de uno solo de los lados de la curva; por ello, si se busca el 95% de los valores tpicos o ms probables debe localizarse el valor: 0,475 (0,5 0,025). Los siguientes ejemplos describen el empleo de la tabla 1. a) Cules son los valores de Z que definen el 95% de los eventos? b) Cules son los valores de Z que definen el 90% de los eventos? c) Cules son los valores de Z que definen el 99% de los eventos? a) Como se refiri previamente se busca 0,5 0,025 = 0,475. El interior de la tabla tiene las probabilidades o reas, mientras que la primera columna (enteros y decimales) y la primera fila (centesimales), representan el valor de Z. Por tanto, se busca en el interior 0,475 o el valor ms prximo a l, que en este caso corresponde con Z = 1,96. De este modo, los valores de Z comprendidos entre 1,96 y +1,96, definen el 95% de los resultados ms probables. b) Para hallar el rango de Z que define el 90% buscamos: 0,5 - 0,05 = 0,45, cuyos valores correspondientes son: -1,64 a +1,64 (tambin pueden ser 1,65 a 1,65). c) Para 99% se busca: 0,5 - 0,005 = 0,495, y cuyo rango correspondiente es 2,57 a +2,57.

15

Tabla 1. Distribucin de frecuencia normal acumulada (rea bajo la curva normal estndar de 0 a Z). Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359 0,0 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753 0,1 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141 0,2 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517 0,3 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879 0,4 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224 0,5 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549 0,6 0,2580 0,2611 0,2642 0,2673 0,2703 0,2734 0,2764 0,2793 0,2823 0,2852 0,7 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133 0,8 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389 0,9 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621 1,0 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830 1,1 0,3849 0,3869 0,3888 0,3907 0,3925 0,3943 0,3962 0,3980 0,3997 0,4015 1,2 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177 1,3 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319 1,4 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441 1,5 0,4452 0,4463 0,4474 0,4484 0,4515 0,4525 0,4535 0,4545 1,6 0,4495 0,4505 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633 1,7 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706 1,8 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4756 0,4761 0,4767 1,9 0,4750 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817 2,0 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857 2,1 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890 2,2 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916 2,3 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936 2,4 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4952 2,5 0,4949 0,4951 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964 2,6 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974 2,7 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981 2,8 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986 2,9 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990 3,0 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993 3,1 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995 3,2 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997 3,3 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998 3,4 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 3,5 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 3,6 3,9 0,5000

Por lo anterior, en una distribucin normal el 90% de los eventos ms probables siempre se encuentra entre Z 1,64; el 95% entre 1,96; y el 99% entre 2,57 (siendo simtrica la curva con respecto al promedio). Por fuera de este rango se trata de resultados atpicos.

95 %

1,96

1,96 16

Conociendo el manejo de la tabla y los valores de Z que definen los resultados ms probables, podemos retomar el ejercicio de la moneda para ver lo fcil que resulta su aplicacin. La misma se fundamenta en la conversin de la variable de estudio X a la variable Z mediante la siguiente expresin:

Z=

Ejemplo: si lanzo la moneda 30 veces deseo establecer si los resultados son tpicos (95% de eventos ms probables) o atpicos cuando? a. Obtengo 17 caras b. Obtengo 19 caras c. Obtengo 21 caras a. Como se haba calculado previamente para 30 lanzamientos, el promedio = Np = 15 y la varianza = Npq = 7,5, por lo que la desviacin estndar () es 7,5 = 2,74. Se reemplazan estos valores en la frmula de tal modo que la variable X se transforma en Z:

Z=

17 15 = 0,73 . 2,74

Ya que el valor de Z est entre 1,96, el resultado es tpico

b. Para 19 caras:

Z=
c. Para 21 caras:

19 15 = 1,46 . 2,74

El resultado es tpico

Z=

21 15 = 2,19 . El resultado es atpico 2,74

Es decir que, en forma muy simple podemos determinar si un resultado particular es tpico o atpico sin necesidad de construir toda la distribucin de probabilidad y, adems, sin tener que acumular la misma para determinar donde se ubica el 95% de los valores ms probables. Si en el ejemplo anterior reemplazamos los valores de Z 1,96 y despejamos X, podemos, en sentido inverso, conocer el nmero de caras (o sellos) que cobija el 95% de valores ms probables:

X = Z +
Luego: X1 = 1,96 x 2,74 + 15 = 20,37 17

X2 = -1,96 x 2,74 + 15 = 9,63 Por tanto, si la moneda cae entre 10 y 20 caras (o sellos) cuando se realizan 30 lanzamientos, aceptamos que se trata de resultados tpicos, o lo que es igual, que la moneda no est cargada, es decir, la probabilidad de cara es igual a la de sello, igual a . Este resultado es similar al encontrado previamente por diversas vas. Una vez conocido tal rango, podemos en forma instantnea definir si un resultado es tpico o no sin necesidad de realizar algn clculo. As, si lanzo la moneda 40 veces y deseo conocer si un resultado de 12 caras es tpico o atpico, puedo concentrar mi anlisis en conocer el rango de valores tpicos y no en respuestas particulares. Como primera medida se calculan Np y Nq (Np = Nq = 40 x 0,5 = 20 5) para confirmar que la distribucin normal se aproxima a la binomial. En segundo trmino se calculan el promedio, la varianza y la desviacin estndar: = Np = 40 x 0,5 = 20; = Npq = 40 x 0,5 x 0,5 = 10; = 3,16, y a partir de ellos se obtienen el rango de valores tpicos o 95% ms probables: X1 = 1,96 x 3,16 + 20 = 26,19 X2 = -1,96 x 3,16 + 20 = 13,81 Por tanto, cualquier resultado entre 14 y 26 caras es un evento tpico cuando se lanza una moneda en 40 oportunidades, de tal modo que un resultado de 12 caras corresponde a un valor atpico. Concluimos entonces, que con un 95% de confianza la moneda est cargada, es decir, no da igual probabilidad a que caiga cara o sello. Como ejercicios adicionales, se pueden repetir los ejemplos anteriores para el 90 99% de resultados ms probables. La metodologa expuesta nos ensea que no hay necesidad de calcular todas las probabilidades en cada ejemplo en particular y que podemos utilizar distribuciones ya conocidas y tabuladas mediante el empleo de formulaciones que nos transfieren la variable X a una variable estadstica (Z, t, F, x2,..). La distribucin normal se emplea con frecuencia en estadstica ya que muchas distribuciones se aproximan a ella, en particular, cuando el tamao de las muestras es grande (n 30), tal como lo refiere el Teorema del lmite central. Un ltimo ejemplo nos permite observar las ventajas prcticas del uso de las tablas estadsticas ya elaboradas. Supongamos que en un examen sobre ms de 30 alumnos (lo cual nos permite asumir una distribucin normal) el promedio () fue igual a 10 y la varianza () igual a 1. Con esta informacin podemos calcular fcilmente el porcentaje de alumnos que se encuentra entre 2 calificaciones particulares, como por ejemplo de 8 a 12. Para ello se normalizan (transforman las X a Z) las calificaciones referidas. Para 12:

Z=

12 10 =2 1

18

Se consulta Z = 2 en la tabla 1 y se encuentra que el rea correspondiente es 0,4772; dado que la curva es simtrica, el rea 8 a 10 es igual al rea 10 a 12, por lo que de 8 a 12 el rea es 0,9544 o lo que es igual, el 95,44 % de los alumnos se encuentra entre las calificaciones 8 a 12. Ejemplos similares pueden ser resueltos de forma gil.
Aplicaciones con Excel

Las ayudas estadsticas del programa Excel permiten resolver ejercicios donde se trabaje con la distribucin Z. Veamos los siguientes ejemplos, utilizando la siguiente secuencia de instrucciones: 1. Ubique el cursor en la celda donde quiere obtener el resultado ; fx ; Estadstica ; DISTR.NORM. Llene la ventana de dilogo que all aparece ; Aceptar:
X Media Desv_estndar Acum

DISTR.NORM: Devuelve la distribucin acumulativa normal para la media y desviacin estndar especificadas.

Ejemplo: Cul es la probabilidad de obtener 15 caras si se lanza la moneda 30 veces, dado que las probabilidades de cara y sello son iguales (p = q = 0,5)? Para resolver este ejemplo se debe conocer de antemano el promedio (Np) y la desviacin estndar ( Npq ) del conjunto de datos evaluados.
X Media Desv_estndar Acum X Media Desv_estndar Acum 15 15 2,7386 Falso Aceptar 15 15 2,7386 Verdadero

Resultado

0,145674

Aceptar

Resultado

0,5

El primer resultado 0,145674 indica la probabilidad individual de ocurrencia del evento (Acumulado: Falso) mientras que en el segundo caso, 0,5 indica las probabilidades acumuladas desde 0 hasta 15 caras (Acumulado: Verdadero). 2. Ubique el cursor en la celda donde quiere obtener el resultado ; fx ; Estadstica ; DISTR.NORM.INV. Llene la ventana de dilogo que all aparece; Aceptar:

19

PROBABILIDAD PROMEDIO DESVIACIN ESTNDAR

DISTR.NORM.INV: Devuelve el inverso de la distribucin acumulativa normal para la media y desviacin estndar especificadas.

Esta ayuda nos permite conocer el evento a partir de la probabilidad de ocurrencia, es decir que, desempea el papel inverso de la ayuda anterior, en lo concerniente con valores acumulados. Ejemplo: Cul es el valor de X para las probabilidades 0,025 y 0,975 (95% de los resultados ms probables) dado que se lanza la moneda 30 veces?
0,025 PROBABILIDAD 15 PROMEDIO DESVIACIN ESTNDAR 2,7386 Aceptar 9,6324 0,975 PROBABILIDAD 15 PROMEDIO DESVIACIN ESTNDAR 2,7386 Aceptar 20,3675

Estos resultados sealan que el 95% de resultados ms probables o tpicos se encuentran entre 9,6 y 20,3, resultados hallados numerosas veces anteriormente. 3. Ubique el cursor en la celda donde quiere obtener el resultado ; fx ; Estadstica ; DISTR.NORM.ESTAND. Llene la ventana de dilogo que all aparece ; Aceptar:
Z OK

DISTR.NORM.ESTAND: Devuelve la distribucin normal estndar acumulativa. Tiene una media de cero y una desviacin estndar de uno.

Esta ayuda nos permite conocer la probabilidad acumulada desde el valor ms pequeo, para un valor de Z. Es decir que, equivale a la tabla normal previamente expuesta. A manera de ejemplo, dados valores de Z igual a 1,64, 1,96 y 2,335, cules son las probabilidades acumuladas de cada uno?
Z Z Z 2,335 1,96 1,64 Aceptar 0,9902 Aceptar 0,975

Aceptar 0,9495

20

Constatamos que el 99, 95 y 90% de los datos ms probables est entre Z: 2,335, 1,96 y 1,64. 4. Ubique el cursor en la celda donde quiere obtener el resultado ; fx ; Estadstica ; DISTR.NORM.ESTAND.INV. Llene la ventana de dilogo que all aparece ; Aceptar:
Probabilidad Aceptar

DISTR.NORM.ESTAND.INV: Devuelve el inverso de la distribucin normal estndar acumulativa. Tiene una media de cero y una desviacin estndar de uno.

Esta ayuda es inversa a la anterior y nos permite calcular Z a partir de las probabilidades acumuladas. A manera de ejemplo, cul es el valor de Z para la probabilidad acumulada 0,975:
Probabilidad 0,975 Aceptar 1,96

1.4.3 Distribucin x2 Descripcin

La DISTRIBUCIN x2 tambin nos permite aproximarnos a los ejemplos previamente expuestos a partir de la siguiente expresin: x =
2

(Observado Esperado)2
Esperado

Esta frmula nos permite pasar entonces un resultado de investigacin (X) a una distribucin estadstica (x2) que tambin ha sido tabulada (Tabla 2) y, por ende, facilita los anlisis. En ella, los valores observados se refieren a los resultados encontrados, mientras que los esperados indican los resultados que deberamos encontrar bajo la probabilidad supuesta. La distribucin x2 se confronta solamente para el lado derecho de la curva. A manera de ejemplo, si se lanza una moneda 30 veces y se asume que las probabilidades de cara y sello son iguales (0,5) el valor esperado tal como previamente se refiri es igual a Np = 30 x 0,5 = 15, esto es, se esperan 15 caras y 15 sellos. Si se obtienen 18 caras y 12 sellos, se quiere establecer si este resultado est dentro del 95% de resultados ms probables (tpicos) o no (atpicos). x
2 2 ( 18 15) = 2 ( 12 15) +

15

15

= 1,2

21

Acorde con la tabla de x2 expuesta a continuacin la cual se consulta con n-1 grados de libertad siendo n el nmero de trminos comprometidos en el clculo del x2 (2 1 = 1 para este ejemplo), el valor que aglomera el 95% de resultados ms probables es 3,84 (columna de probabilidad 0,05). Es decir que, valores mayores a ste son atpicos y menores son tpicos. Por tanto, el que la moneda hubiese cado 18 veces cara es un resultado comn para una moneda no defectuosa.
Grados de libertad 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Tabla 2. Distribucin acumulada de x2 (ji cuadrado). Probabilidad Grados de Probabilidad 0,10 0,05 0,01 libertad 0,10 0,05 0,01 2,71 3,84 6,63 29,62 32,67 38,93 21 4,61 5,99 9,21 30,81 33,92 40,29 22 6,25 7,81 11,34 32,01 35,17 41,64 23 7,78 9,49 13,28 33,20 36,42 42,98 24 9,24 11,07 15,09 34,38 37,65 44,31 25 10,64 12,59 16,81 35,56 38,89 45,64 26 12,02 14,07 18,48 36,74 40,11 46,96 27 13,36 15,51 20,09 37,92 41,34 48,28 28 14,68 16,92 21,67 39,09 42,56 49,59 29 15,99 18,31 23,21 40,26 43,77 50,89 30 17,28 19,68 24,72 51,80 55,76 63,69 40 18,55 21,03 26,22 63,17 67,50 76,15 50 19,81 22,36 27,69 74,40 79,08 88,38 60 21,06 23,68 29,14 85,53 90,53 100,42 70 22,31 25,00 30,58 96,58 101,88 112,33 80 23,54 26,30 32,00 107,56 113,14 124,12 90 24,77 27,59 33,41 118,50 124,34 135,81 100 25,99 28,87 34,81 27,20 30,14 36,19 28,41 31,41 37,57

Al igual que lo realizado con la distribucin normal, es posible identificar los valores que limitan o definen valores tpicos de atpicos, despejando X o valores observados para el valor x2 de tablas conocido (3,84): Si llamamos X el nmero de caras observadas, el nmero de sellos ser 30 X, luego: 3,84 =

( X 15)2
15

(30 X 15)2
15

Resolviendo los cuadrados y sumando los dos trminos se tiene: 3,84 = 2 X 2 60 X + 450 15

Al reagrupar se obtiene la siguiente ecuacin de segundo grado: 2X2 - 60 X + 392,4 = 0, cuya forma general es: aX2 + bX + c = 0 y cuyas soluciones son:
X = b b 2 4ac 2a

22

Reemplazando: X = (60) 60 2 4 2 392,4 2 2

Las soluciones resultantes son: X1 = 20,37 y X2 = 9,63. Es decir que el 95 % de los lanzamientos cae entre 10 y 20 caras o sellos, resultado similar a los calculados por otras vas. En forma extensiva, para 40 lanzamientos de la moneda los valores que definen los lanzamientos tpicos y atpicos asumiendo que tienen igual probabilidad de ocurrencia siendo X el nmero de caras y 40 X el de sellos: 3,84 =

( X 20)2
20

(40 X 20)2
20

Resolviendo se obtiene la ecuacin de segundo grado: 2X2 - 80 X + 723,2 = 0, cuyas soluciones aplicando un procedimiento similar son: X1 = 26,2 y X2 = 13,8. Es decir que el 95% de los lanzamientos ms probables cae entre 14 y 26 caras.
El siguiente ejemplo amplia la aplicacin de esta distribucin a ms de 2 resultados: se lanza un dado 60 veces y se obtienen los siguientes valores:
Resultado 1 2 3 4 5 6 Frecuencia 5 12 13 4 9 17

Los valores indican que el dado ofrece igual probabilidad a todos los lados o podra estar defectuoso o cargado? El valor esperado es entonces: 60 x 1/6 = 10. Por tanto, se espera que caiga 1 en 10 lanzamientos e igual con los dems lados del dado. El valor de x2 es:

(5 12) 2 (12 12) 2 (13 12) 2 (4 12) 2 (9 12) 2 (17 12) 2 x = + + + + + = 12,4 10 10 10 10 10 10
2

El valor de tablas (o valor crtico que separa los resultados tpicos y atpicos) para 6-1 grados de libertad es 11,07, por lo que el resultado es atpico, es decir, el dado no da iguales probabilidades a cada lado, est algo defectuoso o cargado.

23

Aplicaciones con Excel

1. Ubique el cursor en la celda donde quiere obtener el resultado ; fx ; Estadstica ; DISTR.CHI. Llene la ventana de dilogo que all aparece ; Aceptar:
X Grados de libertad

DISTR.CHI: Devuelve la probabilidad de una variable aleatoria continua siguiendo una distribucin chi cuadrado de una sola cola.

Ejemplo: el resultado previamente hallado de x2 = 1,2 para 18 caras, 12 sellos y 1 grado de libertad, reporta mediante Excel una probabilidad de 0,2733 que indica que se encuentra en el 72,67% ((1-0,2733) x 100) de los resultados ms probables, por lo que se trata de un resultado tpico.
X Grados de libertad 1,2 1

0,2733

Ejemplo: para el ejemplo inmediatamente anterior en que se analizaron 60 lanzamientos de un dado, cul es la probabilidad de que ocurra el resultado obtenido?
X Grados de libertad 12.4 5

0,029

Los valores obtenidos se encuentran por fuera del 97,1% ((1 0,029) x 100) de los resultados ms probables. Ntese que si trabajamos con 90 95% de confianza (o resultados ms probables), los valores obtenidos con el dado son atpicos, pero si empleamos 99% de confianza, son tpicos. Al respecto, las ciencias naturales como la fsica o la qumica emplean 95 y 99% de confianza en sus pruebas, mientras que las ciencias sociales suelen trabajar con 90 y 95%.

1.4.4 Sntesis

Podemos hallar un conjunto de probabilidades para la ocurrencia de un evento cualquiera, basndonos en las frmulas que describen las distintas distribuciones de probabilidad. No obstante, este procedimiento resulta muy engorroso ya que debemos hacer numerosos clculos, las ms de las veces con frmulas complejas. Por el contrario, si trabajamos con distribuciones de probabilidad que ya estn tabuladas en tablas, los clculos se hacen muy sencillos ya que se trata de frmulas simples cuyo resultado se confronta con un valor crtico o de tablas que separa los resultados ms probables, de los que no 24

los son. A los primeros los hemos llamado tpicos porque son los que esperamos que ocurran en un sistema con comportamiento aleatorio; a los segundos atpicos porque su probabilidad de ocurrencia es muy baja lo que nos lleva a concluir que se rigen por fuerzas diferentes a las que hemos supuesto en el azar. Independientemente de que una variable sea o no discreta, se pueden ajustar distribuciones de probabilidad continuas a las mismas, las cuales generalmente simplifican los anlisis, tal como se demostr previamente con numerosos ejemplos en los cuales se obtuvieron resultados idnticos para las distribuciones binomial, normal y chi cuadrado (x2), con un esfuerzo nfimo de trabajo en las 2 ltimas.

25