Diferencia entre estadstica y estadsticas.

La estadstica sin s es la que se refiere a la asignatura a lo que

estudiamos actualmente, la ciencia en si; mientras que la estadsticas
con s se refiere a los datos ya estudiados y organizados.
Diferencia entre estadstica descriptiva y estadstica inferencial.
La estadstica descriptiva analiza, estudia y describe a la totalidad de
individuos de una poblacin. Su finalidad es obtener informacin,
analizarla, elaborarla y simplificarla lo necesario para que pueda ser
interpretada cmoda y rpidamente y, por tanto, pueda utilizarse
eficazmente para el fin que se desee.
La estadstica inferencial, sin embargo, trabaja con muestras,
subconjuntos formados por algunos individuos de la poblacin. A partir
del estudio de la muestra se pretende inferir aspectos relevantes de
toda la poblacin. Cmo se selecciona la muestra, cmo se realiza la
inferencia, y qu grado de confianza se puede tener en ella son aspectos
fundamentales de la estadstica inferencial, para cuyo estudio se
requiere un alto nivel de conocimientos de estadstica, probabilidad y
matemticas.
Concepto de poblacin y muestra estadstica.
Se llama poblacin al conjunto de todos los elementos cuyo
conocimiento interesa. Cada uno de esos elementos es un individuo. Si
se est estudiando el resultado de ciertos experimentos qumicos, cada
uno de esos experimentos ser un individuo estadstico y el conjunto de
todos los posibles experimentos en esas condiciones ser la poblacin.
Muestra estadstica es una porcin de la poblacin que se selecciona
para fines de anlisis. La muestra siempre debe ser representativa de la
poblacin de la cual se extrae, o sea, que cada uno de los elementos de
la poblacin tenga la misma oportunidad de ser seleccionado en la
muestra.
1- (diferentes conceptos de estadstica)
a) Una rama de la matemticas que trata de la recopilacin, el anlisis,
la interpretacin y la presentacin de una gran cantidad y la
presentacin de una cantidad de datos numricos.

b) La estadstica es la rama del mtodo cientfico que trata de los datos

reunidos al contar o medir las propiedades de alguna poblacin
c) La estadstica trata con mtodos para obtener conclusiones a partir de
los resultados de los experimentos o procesos
d) El conocimiento relacionado con el tomar decisiones en situaciones de
incertidumbre
e) La tecnologa del mtodo cientfico y trata con el diseo de
experimentos e investigaciones y la inferencia estadstica
f) La estadstica trata del diseo de experimentos o encuestas mediante
muestras para obtener una cantidad determinada de informacin a un
costo mnimo y el uso ptimo de esta informacin para hacer inferencia
con respecto a una poblacin a partir de la informacin contenida en una
muestra y proporcionar una medida correspondiente para la bondan de
la inferencia.
By UbrIbabYx
2- Poblacin
Una poblacin (o cualquier conjunto de mediciones ) se puede describir
mediante una distribucin de frecuencias relativas tambin llamada
histograma de frecuencias relativas. Sugrfica se construye al subdividir
el eje de las mediciones en intervalos iguales de longitud. Se construye
un rectngulo sobre cada intervalo con la altura de un rectngulo
proporcional a la fraccin del nmero total de mediciones que caen en
cada intervalo
Tambin es la coleccin finita o infinita que ha desplazado al todo los
miembros,
Elementos, observaciones o valores que se ajustan a criterio especifico.
3- Muestra
Es una distribucin de frecuencias relativas tambin llamada histograma
de frecuencias relativas.
4- Caractersticas de las frecuencias relativas.

En un experimento aleatorio realizado n veces la frecuencia relativa de

cada posible suceso A es el cociente nA/n entre el nmero de veces que
sucede A y el nmero de repeticiones del experimento.
La frecuencia relativa de cada suceso es un nmero comprendido entre
0 y 1.
La frecuencia relativa del suceso seguro es 1.
La frecuencia relativa de la unin de dos sucesos excluyentes es la suma
de las frecuencias relativas de estos sucesos.
Al aumentar el nmero de ensayos se produce una convergencia (en
sentido estocstico) de la frecuencia relativa hacia un valor constante
terico.
Variable aleatoria:
En muchas situaciones experimentales deseamos asignar un nmero
real x a cada uno de los elementos s del espacio muestral S. Esto es, x
= X(s) es el valor de una funcin X del espacio muestral a los nmeros
reales.
Definicin: Sea E un expermiento y S el espacio muestal asociado a l.
Una funcin X que asigna a cada uno de los elementos s S, un nmero
real X(s), se llama variable aleatoria. (Notar que si bien la denominamos
"variable", X es una funcin.)
Valores diferentes de s pueden dar el mismo valor de X.
El espacio RX, es decir, el conjunto de todos los valores posibles de X,
algunas veces se llama el recorrido. En cierto sentido podemos
considerar a RX como otro espacio muestral. Si X(s) = s, tenemos que S
= RX.

Eventos equivalentes:
Sea E un experimento y S su espacio muestral. Sea X una variable
aleatoria definida en S y sea RX su recorrido. Sea B un evento respecto
a RX (es decir B RX.) Supongamos que definimos A como A = {s S /
X(s) B}.

En palabras, A consta de todos los resultados en S para los cuales X(s)

B. En esta caso decimos que A y B son eventos equivalentes.
Sea B un evento en el recorrido RX, entonces definimos P(B) como: P(B)
= P(A), donde A={s S / X(s) B}. En palabras, definimos P(B) igual a la
probabilidad del evento A S, que es equivalente a B.

Variable aleatoria discreta:

Sea X una variable aleatoria. Si el nmero de valores posibles de X (esto
es el recorrido) es finito o infinito numerado, llamamos a X una variable
aleatoria discreta.
Sea X una variable aleatoria discreta. Con cada resultado posible
asociamos un nmero p(xi) = P(X = xi), llamado probabilidad de xi. Los
nmeros p(xi) deben satisfaces las condiciones siguientes:
p(xi) 0 para toda i.
p(xi) = 1

funcin y distribucin de probabilidad:

Se llama funcin de probabilidad (o funcin de probabilidad puntual) de
la variable X a la funcin p definida en el punto anterior.
La coleccin de pares
probabilidad de X.

(xi,

p(xi)),

se

denomina

distribucin

de

Variable aleatoria continua:

Se dice que X es una variable aleatoria continua, si existe una funcin f,
llamada funcin de densidad de probabilidad (fdp) de X, que satisface
las siguientes condiciones:
f(x) 0 para toda x

f(x)dx = 1
Para cualquier a, b, tal que - < a < b < , tenemos P(a X b) = f(x)dx
Modelos:
Modelo determinista: designamos as al modelo que estipula que las
condiciones en las que se verifica un experimento determinan el
resultado del mismo. El modelo seala que las condiciones en las cuales
se verifican ciertos fenmenos determinan el valor de ciertas variables
observables: la magnitud de la velocidad, el rea recurrida durante un
cierto tiempo, etc.
Modelo no determinista (o probabilstico o estocstico): en este modelo
las condiciones experimentales solo determinan el comportamiento
probabilstico (la distribucin probabilstica) de los resultados
observables. Usamos consideraciones especficas para especificar una
distribucin de probabilidades.

Caractersticas de un experimento aleatorio:

Es posible repetir cada experimento en forma indefinida sin cambiar
esencialmente las condiciones.
Aunque en general no podemos especificar cual ser el resultado
particular, podemos describir el conjunto de todos los resultados
posibles del experimento.
Cuando el experimento se repite un gran nmero de veces, aparece un
patrn definido o regularidad. Esta regularidad hace posible la
construccin de un modelo preciso con el cual podemos analizar el
experimento.

Espacio muestral:
Para cada experimento E definimos el espacio muestral como el conjunto
de todos los resultados posibles de E. Usualmente se designa este
conjunto como S.

El espacio muestral, de acuerdo con el nmero de resultados posibles,

puede ser: finito, infinito numerable, infinito no numerable.

Eventos:
Un evento A (respecto a un espacio muestral particular S asociado a un
experimento E) es simplemente un conjuno de resultados posibles. En
terminologa de conjuntos, un evento es un subconjunto del espacio
muestral S. Esto implica que S tambien es un evento asi como lo es el
conjunto vacio. Cualquier resultado individual tambien puede
considerarse como un evento.
Se dice que dos eventos A y B, son mutuamente excluyentes si no
pueden ocurrir juntos. Expresamos esto escribiendo IMAGEN; es decir, la
interseccin de A y B es el conjunto vaco.

Frecuencia relativa:
Supongamos que repetimos n veces el experimento E, y sean A y B dos
eventos asociados con E. Sean nA y nB el nmero de veces que el
evento A y el B (respectivamente) ocurrieron en las n repeticiones.
Entonces, definimos fA = nA / n como la frecuencia relativa del evento A
en las n repeticiones de E.
La frecuencia relativa fA tiene las siguientes propiedades:
0 fA 1
fA = 1 si y slo si A ocurre cada vez en las n repeticiones.
fA = 0 si y slo si A nunca ocurre en las n repeticiones.
Si A y B son dos eventos mutuamente excluyentes, y si f(A U B) es la
frecuencia relativa asociada al evento A U B, entonces f(A U B) = fA +
fB.
fA, basada en la n repeticiones del experimento y considerada para una
funcin de n, "converge" en cierto sentido probabilstico a P(A) cuando
n-->+oo. (Esto NO es lo mismo que el concepto corriente de

convergencia que se encuentra en otra parte en matematicas. En

realidad, sta no es una conclusin matemtica, sino simplemente un
hecho emprico.) Lo importante de esta propiedad es que si un
experimento se realiza un gran nmero de veces, la frecuencia relativa
con que ocurre un evento A tiende a variar cada vez menos a medida
que el nmero de repeticiones aumenta. A esta caracterstica se la
conoce como regularidad estadstica.

Nociones bsicas de probabilidad:

Sea E un experimento y S un espacio muestral asociado con E. Con cada
evento A asociamos un nmero real, designado con P(A) y llamado
probabilidad de A, el cual satisface las siguientes propiedades:
0 P(A) 1
P(S) = 1
i A y B son dos eventos mutuamente excluyentes, P(A U B) = P(A) +
P(B)
Si X es el conjunto vacio, entonces P(X) = 0
Si AC es el evento complementario de A, entonces P(A) = 1 - P(AC)
Si A y B son dos eventos cualesquiera, entonces P(A U B) = P(A) + P(B)
- P(A IMAGEN C)
Si A B, entonces P(A) P(B)
Particin del marco muestral. Se particiona a las empresas que entran
en el marco muestral en grandes y pequeas, utilizando como criterio el
nmero total de empleados o ventas dependiendo de la factibilidad de
los datos disponible tanto para empresas manufactureras como no
manufactureras.