oestadstica.

Ingeniera en
Geociencias

Jos Manuel Jaimes Gar

4B

UNIDAD 1. ESTADISTICA DESCRIPTIVA E INTERFERENCIA ESTADISTICA

1.1 MODELOS INDETERMINABLES Y PROBABILISTICOS

Modelos determinsticos.
Estos modelos establecen que las condiciones en las cuales se realiza un
experimento determinan la ocurrencia de un resultado particular. Por ej., si
observamos el desplazamiento de un mvil cierta distancia (d), podemos utilizar
como modelo matemtico para describir la velocidad media desarrollada (v) la
ecuacin v = d=t (con t el tiempo transcurrido).
Este es un modelo determinstico, porque cada vez que se repita la experiencia y
se obtengan los mismos valores d y t, se producir el mismo valor de v.
Obviamente, este es un modelo simplificado en el que muchos factores no han
sido tenidos en cuenta (temperatura del aire, presin atmosfrica, etc.), sin
embargo, las pequeas desviaciones que se podrn llegar a obtener no invalidan
el modelo.

Segn Jeffer (2002), los modelos determinsticos, "son aquellos que a cada
valor de la variable independiente corresponde otro valor de la variable
dependiente. Son especialmente tiles en los sistemas que evolucionan
con el tiempo, como son los sistemas dinmicos. En ellos podemos conocer
el estado del sistema transcurrido cierto tiempo una vez que hemos dado
valores a los distintos parmetros que aparecen en el modelo"

Los modelos determinsticos son los que hacen predicciones definidas de

cantidades, dentro de cualquier distribucin de probabilidades; tambin se les
puede definir como aquellos que se aplican a problemas en los que hay un solo
estado de la naturaleza, y donde variables, limitaciones y alternativas son,
despus de que se aceptan los supuestos, conocidos, definibles, finitos y
predecibles con confidencia estadstica. Algunos modelos, herramientas o tcnicas
determinsticas son: programacin lineal, anlisis de Markov, costo/beneficio, entre
otros (krone, 1980; Lpez, 2001). En otras palabras, un modelo determinstico se
construye para una condicin de certeza supuesta, y el modelo asume que solo
hay un resultado posible (el cual es conocido) para cada accin o curso alternativo
(Malczewski, 1999).
Los modelos determinsticos tienen las siguientes caractersticas:

Como la literatura del modelo estocstico se ha ganado la atencin en la

economa, los modelos determinsticos se han convertido en algo raro.
Los ejemplos incluyen los modelos OLG (Modelos de Generaciones
Traslapadas) sin incertidumbre agregada.

Pgina 6

UNIDAD 1. ESTADISTICA DESCRIPTIVA E INTERFERENCIA ESTADISTICA

Estos modelos suelen ser introducidos para estudiar el impacto de un

cambio en el rgimen, como la introduccin de nuevo impuesto, por
ejemplo.

Asume toda la informacin, hay suposicin perfecta y no hay

incertidumbre en torno a los choques.

Los choques pueden afectar a la economa de hoy o la de cualquier

momento en el futuro, dado el caso de previsin perfecta. Tambin
puede durar uno o varios perodos.

Muy a menudo, sin embargo, los modelos introducen un choque positivo

hoy y ningn choque a partir de entonces (con certeza).

La solucin no requiere de linealizacin, de hecho, ni siquiera realmente

necesita de un estado estacionario. En su lugar, se trata la simulacin
numrica para encontrar las rutas exactas de las variables endgenas
de primer orden que cumplan con las condiciones del modelo y la
estructura del choque.

Este mtodo de solucin por lo tanto puede ser til cuando la economa
est muy lejos del estado estacionario.

Los modelos determinsticos son importantes por cinco razones:

1. Una asombrosa variedad de importantes problemas de administracin
pueden formularse como modelos determinsticos.
2. Muchas hojas de clculo electrnicas cuentan con la tecnologa necesaria
para optimizar modelos determinsticos, es decir, para encontrar decisiones
ptimas. Cuando se trata en particular de modelos PL grandes, el
procedimiento puede realizarse con mucha rapidez y fiabilidad.
3. El subproducto de las tcnicas de anlisis es una gran cantidad de
informacin muy til para la interpretacin de los resultados por la gerencia.
4. La optimizacin restringida, en particular, es un recurso extremadamente
til para reflexionar acerca de situaciones concretas, aunque no piense
usted construir un modelo y optimizarlo.
5. La prctica con modelos determinsticos le ayudara a desarrollar su
habilidad para la formulacin de modelos en general.
Modelos probabilsticos.
Un modelo probabilstico es una representacin matemtica deducida de un
conjunto de supuestos con el doble propsito de estudiar los resultados de un

Pgina 6

UNIDAD 1. ESTADISTICA DESCRIPTIVA E INTERFERENCIA ESTADISTICA

experimento aleatorio y predecir su comportamiento futuro, cuando se realiza bajo
las mismas condiciones dadas inicialmente.
El modelo permite conocer la distribucin de probabilidades de los valores que
toma la variable aleatoria, de ah que tambin se mencione con el nombre de
Distribucin de Probabilidad.
Son modelos matemticos apropiados para situaciones reales en condiciones
especficas, son importantes porque nos ayudan a predecir la conducta de futuras
repeticiones de un experimento aleatorio. Los modelos pueden ser discretos o
continuos.
Modelos probabilsticos comunes:
ENSAYO DE BERNOULLI
Consiste en realizar un slo experimento (ensayo) en el cual existen nicamente
dos posibles resultados: S = {xito, fracaso}
Por ejemplo: observar un artculo y ver si es defectuoso
Definimos a la variable aleatoria de Bernoulli de la siguiente forma:

A sta ltima se le conoce como funcin indicadora

DISTRIBUCIN DE BERNULLI

Supongamos que en un ensayo de Bernoulli la probabilidad de obtener xito es p.

Como el ensayo tiene nicamente dos resultados posibles, entonces la
probabilidad de obtener un fracaso es 1-p. llamaremos q a la probabilidad de
fracaso.
p = Probabilidad de xito
q = (1-p) = Probabilidad de fracaso

Con esto, la distribucin de probabilidad de la variable aleatoria de Bernoulli es:

La media o valor esperado de la variable aleatoria de Bernoulli es:

Pgina 6

UNIDAD 1. ESTADISTICA DESCRIPTIVA E INTERFERENCIA ESTADISTICA

La varianza de la variable aleatoria de Bernoulli es:

Si llamamos X,
en lugar de
I, a la Variable aleatoria de Bernoulli, su distribucin de probabilidad queda:

La cual tambin se puede abreviar de la forma:

ENSAYO BINOMIAL
Consiste en realizar n veces el ensayo de Bernoulli, de manera independiente uno
de otro y suponiendo que la probabilidad de xito p permanece constante en cada
uno de ellos.
Por ejemplo: observar cinco artculos de un mismo lote y contar el nmero de
artculos con defecto.
Definimos a la variable aleatoria de Binomial de la siguiente forma:

As definida, X representa entonces el nmero de xitos obtenidos al realizar n

veces el ensayo de Bernoulli.
Al realizar el ensayo binomial, la variable aleatoria puede adquirir los valores:
X={0,1,2,...,n}
Supongamos que se realizan n ensayos de Bernoulli y la probabilidad de xito es
p, la distribucin de X para n =2, 3 4 es:

Pgina 6

UNIDAD 1. ESTADISTICA DESCRIPTIVA E INTERFERENCIA ESTADISTICA

Supongamos que se obtienen consecutivamente primero los X xitos y luego los

n-x fracasos:
Para encontrar el nmero de formas en que se pueden obtener X xitos y n-x
fracasos, recordemos la expresin para el clculo de permutaciones con grupos
de objetos iguales:

Hagamos

m1

=x y

m2

=n-x:

Es decir que el nmero de formas en que se pueden ordenar los xitos y los
fracasos es C(n,x)
Finalmente, tenemos que el trmino

px qn x se repite un nmero de veces igual a

C(n,x) :
En forma resumida, la distribucin de la variable aleatoria binomial es:
Puesto que la forma de P(x) depende de p y de n, stos son los parmetros de la
distribucin binomial: P(x; n,p)

DISTRIBUCIN GEOMTRICA

Implica que realizamos repetidamente el ensayo y nos detenemos al obtener el

primer xito. Cada ensayo es realizado de manera independiente uno de otro y
Pgina 6

UNIDAD 1. ESTADISTICA DESCRIPTIVA E INTERFERENCIA ESTADISTICA

suponiendo que la probabilidad de xito p permanece constante en cada uno de
ellos.
Definamos una variable aleatoria X como el nmero de ensayos de Bernoulli,
independientes, necesarios para obtener el primer xito. Donde la probabilidad de
xito es p

DISTRIBUCIN DE PASCAL ( BINOMIAL NEGATIVA)

Definamos una variable aleatoria X como el nmero de ensayos de Bernoulli
necesarios para obtener exactamente K xitos.

La media y varianza de la variable aleatoria de Pascal son:

Los parmetros de la distribucin de Pascal son p y k. k = 1, 2, 3, ....

DISTRIBUCIN HIPERGEOMTRICA
Definamos una variable aleatoria X como el nmero de xitos en n ensayos de
Bernoulli, donde los ensayos se realizan sobre una poblacin finita de tamao N
Sea K el nmero de elementos en la poblacin que poseen una caracterstica en
particular, tal que p = K/N = Prob de xito inicial.

La media y varianza de la variable aleatoria de Hipergeomtrica son:

Los parmetros de la distribucin de Hipergeomtrica son: N, n y k

DISTRIBUCIN DE POISSON

Pgina 6

UNIDAD 1. ESTADISTICA DESCRIPTIVA E INTERFERENCIA ESTADISTICA

Definamos una variable aleatoria X como el nmero de eventos independientes
que ocurren a una rapidez constante

Donde

es el nmero promedio de ocurrencias del evento por unidad de

tiempo o espacio.
La media y varianza de la variable aletoria de Poisson son:

1.2 LA PROBABILIDAD COMO HERRAMIENTA EN LA GEOLOGIA

Aunque la aplicacin de la herramienta geoestadstica es bastante reciente, son
innumerables los ejemplos en los que se ha utilizado esta tcnica en estudios
ambientales con el nimo de predecir fenmenos espaciales (Robertson, 1987;
Cressie y Majure, 1995; Diggle et al., 1995). La columna vertebral del anlisis geo
estadstico es la determinacin de la estructura de auto correlacin entre los datos
y su uso en la prediccin a travs de las tcnicas conocidas como kriging y
cokriging. Otros temas importantes dentro del estudio de informacin
georreferenciada son el diseo de redes de muestreo (McBratney et al., 1981), la
Geoestadstica multivariada (Wackernagel, 1995) y la simulacin (Deutsh y
Journel, 1992).
La Geoestadstica es solo una las reas del anlisis de datos espaciales. Es
importante reconocer cuando la informacin georreferenciada es susceptible de
ser analizada por medio de dicha metodologa. Por ello en el documento se hace
inicialmente una definicin global de estadstica espacial y se describen las
caractersticas especiales que enmarcan cada una de sus reas.

Pgina 6