Professional Documents
Culture Documents
Se llama Unidad experimental a cada uno de los entes que son observados en el
experimento.
Se llama Dato estadístico al valor asignado a una de las características de una Unidad
Experimental, conforme a la Escala de Medición empleada.
Un dato estadístico es el valor que resulta de una medición. Se pueden clasificar en:
Datos estadísticos cuantitativos: Son aquellos valores que, además de identificar y describir
a una Unidad Experimental, establecen las diferencias posibles entre los valores en cantidad y
grado.
Escalas de medición
Escala nominal : Se usa únicamente para clasificar a los entes en distintas categorías. La
operación básica y más sencilla en todo proceso de investigación, es la clasificación, esto
significa separar las unidades experimentales desde el punto de vista de determinadas
características, decidiendo cuales son las que pertenecen a una misma clase y cuales
pertenecen a distintas clases. Esta escala se utiliza cuando los datos son cualitativos,
constituyendo el nivel más bajo de medición. Los valores correspondientes a esta escala
reciben el nombre de categorías y son simples etiquetas. Si algún numero se asocia a una
categoría, este estaría cumpliendo una función de código, de ninguna manera se pueden
utilizar para operaciones matemáticas. La relación lógica de la Escala Nominal es la relación
de equivalencia y posee las propiedades de simetría y transitividad.
Ej.: Provincia de origen del personal de una empresa: Los empleados de una empresa pueden
ser clasificados en las distintas provincias, pero no es posible establecer una jerarquía entre
ellas.
Escala Ordinal: Se usa para, además de clasificar a los entes en distintas categorías,
clasificarlos de acuerdo a su rango. Esta escala se utiliza cuando los datos son cualitativos, y
es posible ordenarlo de acuerdo a una jerarquía preestablecida de sus valores según el grado
que poseen. La escala Ordinal constituye un nivel de medición superior al de la Escala
Nominal. Cuando a las categorías se las representan con números, se hace la misma
salvedad que la realizada para la Escala Nominal. Las relaciones lógicas propias de esta
escala son, Relación de Equivalencia y la Relación de Origen y posee las propiedades de
simetría, para dos valores de la misma categoría; asimetría, para dos valores de distinta
categoría, y transitividad.
A<B<C<D
B tiene mayor jerarquía que A, C tiene mayor jerarquía B, D tiene mayor jerarquía que C, se
puede decir que la mayor diferencia jerárquica entre A y D es igual al agregado de las
diferencias jerárquicas entreA y B, y la diferencia jerárquica entre B y C, la diferencia
jerárquica entre C y D, pero no se puede establecer cuál de las diferencia jerárquicas parciales
es mayor.
Ej.: Grado de acuerdo con una determinada política del gobierno si las posibilidades son: muy
de acuerdo, de acuerdo y desacuerdo: Se puede establecer una relación de orden o jerarquía
entre las respuestas.
Escala de Intervalo o Distancia: Se usa para, además de clasificar a los entes en distintas
categorías y clasificarlos de acuerdo a su rango, poder establecer una distancia entre dos
cualquiera de ellos. Esta escala se utiliza cuando los datos son cuantitativos, por lo tanto los
valores de cada categoría necesariamente deben ser números.
A<B<C
ABC
Se puede decir que la distancia entre a y b es mayor que la distancia entre b y c, pero no se
pude establecer la proporcionalidad entre ellos. Al punto de origen de esta escala se le asigna
arbitrariamente el valor cero, llamado cero arbitrario, que no necesariamente indica ausencia
de la característica medida.
Escala de Razón o proporción: Se usa para, además de clasificar a los entes en distintas
categorías, clasificarlos de acuerdo a su rango, y poder establecer una distancia entre dos
cualquiera de ellos, poder establecer una proporcionalidad entre dos cualquiera de ellos,
poder establecer una proporcionalidad entre dos cualquiera de ellos.
A<B<C
ABC
Se puede decir que la distancia entre a y b es mayor que la distancia entre b y c, como así
también se puede establecer la proporcionalidad entre ellos. El punto de origen de esta escala
es realmente cero, llamado cero real, que indica ausencia de la característica medida. Esta
escala constituye el nivel más alto de medición.
Ej.: Peso de una persona (en kg): Peso cero indica ausencia de peso.
Ej.: La edad mínima requerida para ver una determinada película en el cine es 16 años. Llega
una persona para ver la película y el empleado de la entrada le consulta la edad. Ella le
contesta que tiene 18 años y el empleado le permite entrar.
Estadística
Es la disciplina científica que crea, desarrolla y aplica los adecuados métodos de recopilación
de datos, y su evaluación, para transformarlos en informaciones con las cuales se describan
objetivamente las distintas situaciones investigadas, se analice el comportamiento de
determinadas características que poseen las unidades experimentales, y se tomen decisiones
en condición de incertidumbre. Para que un evento sea objeto de análisis estadístico, debe ser
susceptible de presentar distintos resultados, aun cuando se lo repita bajo condiciones
similares. La tarea Estadística está presente cuando se necesita estudiar aquellas situaciones
que requieran ser medidas en similares condiciones y los resultados de estas puedan
presentar variabilidad.
Universo
Variable cualitativa: Cuando los valores que puede asumir no constituyen un espacio
métrico. Esto quiere decir que no es posible establecer una distancia entre dos valores
cualesquiera, como así tampoco realizar operaciones algebraicas con los valores de una
variable cualitativa. Se miden en escala nominal o en escala ordinal.
Variable cuantitativa: Cuando los valores que puede asumir si constituyen un espacio
métrico. Esto quiere decir que es posible establecer la distancia entre dos valores
cualesquiera como así también realizar operaciones algebraicas con los valores de una
variable cuantitativa. Se miden en escala de Intervalo o de razón y los valores pueden ser
únicamente números.
Variable cuantitativa continua: Dado un intervalo [a; b] de números reales, si cualquier número
real que pertenece a dicho intervalo puede ser un valor de la variable, entonces la variable es
continua. Se originan cuando la característica a medir es una magnitud (longitud, superficie,
volumen) y no se establecen restricciones. El recorrido de una continua es siempre infinito no
numerable.
Variable cuantitativa discreta: Dado un intervalo [a; b] de números reales, si solo alguno
números reales que pertenecen a dicho intervalo pueden ser un valor de la variable, entonces
la variable es discreta. Se originan en los conteos, cuando se establecen restricciones al medir
magnitudes. El recorrido de una discreta es siempre finito o infinito numerable.
Se llama Población a cada una de las variables particulares que se estudian en un universo.
Se llama Muestra a un subconjunto o parte de una población sobre la base de la cual se
puede hacer un juicio acerca de esta.
2. Formulación de los instrumentos de medición: son aquellos con los cuales se obtienen y/o
registran los datos a medida que se los conoce o ellos se producen.
3. Recopilación de los datos: Forman la materia prima del proceso estadístico para la
obtención de información.
Fuentes internas o propias: Si el estadístico y el especialista deciden recopilar los datos por
cuenta propia lo pueden realizar de 3 formas clásicas:
· Muestreo: Es un conjunto de métodos que se utilizan para tomar una muestra, por lo tanto se
observa una parte del universo en un instante dado. Es un método estático de recopilación de
los datos.
Fuentes externas: Son las publicaciones. Si se utiliza este tipo de fuente para la obtención de
los datos hay que verificar la calidad y responsabilidad de la publicación tratando que, en lo
posible sea un material especializado.
· Fuente externa primaria: Cuando los datos publicados fueron recopilados directamente por
los responsables del medio que los reproduce, mediante alguno de los métodos descriptos
para las Fuentes Propias. Generalmente se recurre, como fuente externa primaria, a las
publicaciones de organismos oficiales, como el Instituto Nacional de Estadísticas y Censos.
· Fuente externa secundaria: Cuando los datos publicados no fueron recopilados directamente
por los responsables del medio que los reproduce. Generalmente las fuentes externas
secundarias son publicaciones periodísticas que reproducen datos recopilados y presentados
por otros organismos.
Una vez que los datos se han recopilado es necesario que sean presentados en forma
efectiva, de modo tal que puedan ser comunicados y que, a la vez, permitan tanto, obtener
alguna información primaria, como así también, organizarlos para proceder al análisis.
· Cuadro estadístico de referencia: Son aquellos que se usan solo para publicar los datos y
son utilizados como fuente para otros trabajos.
· Cuadro estadístico de Análisis: Son aquellos que se utilizan para presentar los datos de
modo tal que facilite la realización de los cálculos matemáticos necesarios para el análisis de
los datos.
Análisis estadísticos inferencial: El análisis inferencial permite tener información acerca de una
población o tomar decisiones concernientes a ella, mediante los datos obtenidos con una
muestra.
Los Datos Cuantitativos que se obtienen mediante la recopilación de los datos para realizar un
determinado trabajo, según el tipo de información que se quiera proporcionar, se pueden
expresar de dos maneras:
· En forma relativa, si a la cuantía de la magnitud medida, se la quiere relacionar con otro valor
de la misma magnitud.
Cantidades absolutas: Son aquellos datos cuantitativos que, cuando son presentados y/o
analizados, están expresados en las unidades de medida correspondientes a la magnitud que
se está midiendo.
Cantidades relativas: Son aquellos datos cuantitativos que surgen del cociente entre dos
cantidades absolutas correspondientes a la misma magnitud y unidad de medida.
Cuadro estadístico
1. Titulo: Debe describir concisamente el contenido del cuadro Ej.: que son los datos, donde
fueron recopilados, como están clasificados, cuando ocurrieron los eventos que dieron origen
a los datos.
2. Nota de encabezado: Se incorpora al cuadro para explicar ciertos puntos relacionados con
la tabla completa que no han sido incluidos en el titulo o cuando se quiere hacer una
ampliación de éste, ya sea detallando algún elemento importante o aclarando la unidad de
medida de la magnitud que corresponde a los datos.
3. Columna Matriz: Teniendo en cuenta la naturaleza fundamental de los datos estadístico que
se quieren presentar, se debe establecer cuál de las variables se considera más significativa o
más importante. Los valores correspondientes a esta se disponen en la primera columna del
cuadro.
4. Encabezado de las columnas: Los valores de las otras variables que quieran ser
presentadas junto a la variable más significativa, o algunas características especiales de esta,
generalmente se disponen en columnas, cuyos títulos constituyen el Encabezado de las
columnas.
6. Nota al pie: Cuando es necesario clarificar o explicitar algún dato o elemento en particular,
se realiza una nota específica a pie del cuadro.
7. Fuente: La fuente es el ultimo ítem que se presenta en todo cuadro, y en ella se consigna el
origen y la forma de relevamiento de los datos.
Gráficos
1. Titulo: Debe describir concisamente el contenido del cuadro Ej.: que son los datos, donde
fueron recopilados, como están clasificados, cuando ocurrieron los eventos que dieron origen
a los datos.
2. Nota de encabezado: Se incorpora al grafico cuando se quiere hacer una ampliación del
título, ya sea detallando algún elemento importante o aclarando la unidad de medida de la
magnitud que corresponde a los datos.(debajo del título y entre paréntesis)
3. Diagrama: Está formado por los distintos trazos que se utilizan para realizar los dibujos.
Estos trazos pueden ser líneas, rectángulos, etc.
4. Nota al pie: Cuando es necesario clarificar o explicitar algún dato o elemento en particular.
Según el tipo de diagrama que se utiliza para realizar los gráficos, estos reciben distintas
denominaciones:
Si se quiere resaltar la comparación entre las barras, se dibujan barras adyacentes que
muestren cada parte, dando origen a un grafico de barras llamado Barras Agrupadas.
Distribución de frecuencias: Relación de clasificación de los datos que asigna a cada valor,
o grupo de valores que formen una misma clase de equivalencia, de una o más variables, su
correspondiente frecuencia. Se utilizan para tener los datos estadísticos organizados,
clasificados y distribuidos en las distintas clases. Al conjunto de estos datos se lo
denomina datos agrupados en una distribución de frecuencias. Según la cantidad de
variables que se quiera clasificar las distribuciones pueden ser univariadas o polivariadas.
Frecuencia absoluta simple para variables discreta: Cantidad de veces que se repite un
valor de la variable. Para representarla se utiliza el grafico de bastones. En el eje de abscisas
se representa la variable en estudio y en el eje de ordenadas, la frecuencia
simple.
q de q de Frecuencia
hijos mujeres acumulada
Xi fi Fi
1 3 3
2 4 7
3 7 14
4 4 18
5 2 20
Variables discretas
Variables continuas
Medidas de concentración: Son aquellas medidas con las cuales se puede establecer el
porcentaje de datos que está concentrado dentro de un determinado intervalo que contenga
una determinada concentración porcentual de datos. Tiene sentido cuando los datos están
agrupados en una distribución de frecuencias.
Rango percentilar: Es la frecuencia relativa porcentual que se acumula desde el mínimo valor
del recorrido hasta un valor dado de la variable. Se mide para un valor específico de la
variable y brinda el porcentaje de datos que se acumula entre el menor valor de la variable y el
valor dado. La diferencia entre los rangos percentilares de 2 valores de la variable X mide la
concentración de datos que hay en el intervalo formado por ellos.
Variables discretas: El rango percentilar para un valor dado queda determinado directamente
por la frecuencia relativa acumulada hasta dicho valor. No se requieren formulas especiales.
a) Cuando el valor dado coincide con el límite superior de un intervalo, el rango percentilar
queda determinado directamente por la frecuencia relativa acumulada hasta dicho valor. No se
requieren formulas especiales.
Percentiles: Calcula hasta que valor se acumula una determinada frecuencia relativa.
El percentil de orden K es aquel valor hasta donde se acumula, a lo sumo, el K% de los
datos, y desde donde se acumula a lo sumo el 100-k%. El orden absoluto del percentil es la
frecuencia absoluta acumulada correspondiente al valor K, y se obtiene calculando el K% del
total de observaciones N.
Variables continuas: Con la inspección de los datos solo se puede obtener el intervalo de
mayor frecuencia. El intervalo de mayor frecuencia se llama Intervalo modal. El modo es un
valor que pertenece a dicho intervalo y para localizarlo hay que utilizar una formula de
interpolación
El promedio o media aritmética de una variable X, es el número que resulta de sumar todos
los valores observados de la variable y dividir esta suma por la cantidad de unidades
experimentales que se tienen. Debe interpretarse como cuando le correspondería a cada uno,
si todos fuesen iguales.
Método de cálculo:
Promedios ponderados
Se llama Ponderación a aquella cantidad que permite asignar a cada unidad experimental
que proporciona un valor de la variable en estudio, una determinada importancia o peso
relativo.
El promedio aritmético ponderado surge de hacer el cociente entre, la suma del producto de
cada valor de la variable y su correspondiente ponderación, y la suma de ponderaciones.
Medidas de variabilidad
Las medidas de tendencia central se las puede considerar como “representantes” de la
totalidad de los valores observados de una variable. Estas medidas serán buenas
representantes si los valores observados son homogéneos; esto quiere decir que si no hay
demasiada diferencia o desviación entre cada uno de ellos y alguna medida en particular,
entonces la medida en cuestión es representativa.
Las medidas de variabilidad son aquellas que permiten estudiar, como se desvían, en su
conjunto, los valores observados de una variable, con respecto a alguna Medida de Tendencia
Central.
La Varianza es una medida de variabilidad que mide el promedio aritmético del cuadrado de
los desvíos que se producen entre cada valor de la variable y la media
Propiedades de la varianza
· La varianza de la suma de una variable más, o menos, una constante, es igual a la varianza
de la variable.
Desvío estándar
Coeficiente de variación
Para poder establecer si la variabilidad alrededor de la Media Aritmética que presenta una
variable es baja o no, es necesario que el valor numérico del desvió estándar sea comparado
o relacionado con ella (la media). El Coeficiente de variación de una variable es el cociente
entre el desvío estándar y la media aritmética. Es un número puro, desprovisto de magnitud.
Su valor numérico permite establecer criterios generales acerca de la homogeneidad de los
datos, de la representatividad de la media y la comparación con la variabilidad de otras
variables aunque las unidades de medida o las magnitudes sean distintas.
Momentos empíricos
Medidas de forma
Otra característica importante a tener en cuenta al analizar los valores observados de una
variable es la forma que presenta la distribución de frecuencias correspondiente ya que ello
permite visualizar aproximadamente cual podría ser el Modelo Matemático que mejor se ajusta
para describir el comportamiento de una variable.
La Simetría y la Curtosis son dos de los aspectos que permiten establecer dicha forma.
Si la variable es continua, las frecuencias simples de los intervalos cuyos puntos medios
equidisten de la Media aritmética, son iguales.
Probabilidad
Se llama Experimento aleatorio o estocástico a aquel fenómeno empírico que admite dos o
más resultados posibles y no se tienen elementos de juicio suficientes como para poder
predecir con exactitud cuál o cuáles de ellos ocurrirán, aunque se los repita bajo las mismas
condiciones.
Suceso complementario: Aquel suceso que ocurre si, y solo si no se presenta el suceso S.
Suceso intersección o Conjunto: Aquel suceso que ocurre si, y solo si se presentan
conjuntamente dos o más de los sucesos que forman el espacio muestral.
Suceso unión incluyente: Aquel suceso que ocurre si, y solo si ocurre alguno de los sucesos
que forma el espacio muestral.
Suceso unión excluyente: Aquel suceso que ocurre si, y solo si ocurre solo uno de los
suceso que forman el espacio muestral.
Cuando en un mismo espacio muestral se definen dos o mas sucesos, estos, por la propia
naturaleza del experimento aleatorio que se lleva cabo, algunas veces podrían presentarse en
forma simultanea. Pero hay sucesos que nunca, bajo ninguna circunstancia, se presentaran
jutnos en la misma realización del Experimento Aleatorio.
Sucesos compatibles: Dos o mas sucesos son compatibles si y solo si es posible que se
presenten en forma conjunta.
Fr (S)= K/N
Establece que la frecuencia relativa correspondiente a un suceso aleatorio, oscila, con una
cnvergencia asintótica, alrededor de un numero fijo, cuando la cantidad de observaciones del
Experimento Aleatorio crece indefinidamente.
En ocasiones, las personas deben decidir llevar a cabo acciones cuyo resultado no puede
predecirse con exactitud. Bajo ciertas condiciones, estas acciones se consideran
Experimentos Aleatorios. El desconocimiento del, o de los posibles resultados que se
obtendrán, genera cierto grado de incertidumre. Por tal motivo, al tomar la decisión, y para que
esta sea objetiva, debe contarse con un cuantificador, un numero capaz de proporcionar una
medida del estado de duda o vacilación en que se encuentre el “decididor”. El calculo de la
probabilidad permite cuantificar la incertidumbre que provoca el resultado de un Experimento
Aleatorio y medir la propensión a ocurrir que tiene cada uno de los resultados posibles.
Axiomas
Teoremas
Probabilidad Marginal
Se llama Probabilidad condicional del suceso S1 tal que se haya presentado el suceso
S2, a la probabilidad de que se presente el suceso S1 con la condición de que previamente se
presente el suceso S2.
P(S1/S2)= P(S1S2)/P(S2)
Variables aleatorias
Los resultados de los experimentos aleatorios, cualesquiera que sean, tienen que estar
expresados cuantitativamente. Para ello, hay que contar con métodos capaces de definir
reglas precisas que asignen números reales a los resultados de los experimentos
aleatorios, teniendo en cuenta que se quiere medir y como se quiere medir.
Variable aleatoria: Es una función, o regla bien definida, que asigna, a cada elemento del
espacio muestral, un vector perteneciente a un espacio vectorial.
Variables aleatoria unidimensional: Cuando, a cada elemento del espacio muestral, se
asigna un escalar perteneciente al conjunto de números reales.
Recorrido de una variable aleatoria unidimensional: Conjunto formado por los números
reales que se pueden asignar a dicha variable.
Es conveniente recalcar el hecho de que se puede concebir una variable aleatoria de dos
maneras:
• Se realiza un Experimento aleatorio E que tiene un resultado u=U, y luego se le asigna a
este resultado el valor numérico x(U)€R
• Se realiza un experimento aleatorio E que tiene un resultado u=U. Si la observación
consiste en realizar mediciones cuantitativas, el resultado u, es un número real. Si la
unidad de medida correspondiente a dicho resultado coincide con “como se quiere medir”
o sea, la unidad de medida de la variable aleatoria definida, entonces, u es igual a x(u), y
U es igual a R(x). Si la unidad de medida de la magnitud de la variable no coincide con la
medición realizada son dos números reales distintos.
Variable aleatoria discreta unidimensional: Es aquella variable aleatoria cuyo recorrido es
finito o infinito numerable.
Distribución de probabilidad univariada
Funciona de probabilidad puntual: Asigna a cada valor del recorrido de dicha variable, un
numero real no negativo, llamado probabilidad puntual, de modo tal que la suma de todos
estos valores, a través del recorrido de la variable , debe será igual a la unidad. Debe
cumplir dos condiciones:
1) Condición de no negatividad; El número real asignado debe ser no negativo.
2) Condición de cierre: La suma de todos los números reales asignados por la función de
probabilidad puntual, a cada valor de la variable discreta, debe ser igual a uno.
Una variable discreta, X, queda estrictamente definida cuando se establece su función de
probabilidad puntual. La función de probabilidad puntual puede ser graficada utilizando las
coordenadas ortogonales, donde los valores de la variable se ubican en el eje de abscisas
y los correspondientes valores puntual, en el eje de ordenadas. (Grafico de Bastones)
Función de distribución: Función que asigna a cada valor del recorrido, un número real
que representa la suma de todas las probabilidades puntuales, desde el primero hasta el
valor en cuestión.
La función de distribución acumulada puede ser graficada utilizando las coordenadas
cartesianas ortogonales, donde los valores de la variable se ubican en el eje de abscisas
y los correspondientes valores de probabilidad acumulada, en el eje de ordenadas.
(Grafico escalonado)
El conjunto de pares ordenados {Xi; F(Xi)}, para todo i, se llama función de distribución de
probabilidad. Es la distribución acumulada hasta un valor de la variable, o simplemente
Distribución acumulada.
Función de distribución complementaria: Función que asigna a cada valor del recorrido,
un número real que representa la suma de todas las probabilidades puntuales, desde el
valor en cuestión hasta el último.
El conjunto de pares ordenados {Xi; G(Xi)}, para todo i, se llama función de distribución
complementaria de probabilidad. Es la distribución acumulada desde un valor de la
variable, o simplemente Distribución desacumulada.
• La suma entre el valor de la función de distribución correspondiente a un valor de la
variable y el valor de la función de distribución complementaria correspondiente al
siguiente valor de la variable, es siempre igual a uno.
Percentiles
Percentil de orden K (O<K<100 / K€r) de una variable aleatoria discreta a un valor Xk, tal
que, hasta el valor de variable inmediato anterior, se acumule, a lo sumo, una probabilidad
igual a K/100 y, desde el valor de variable inmediato posterior se acumule, a lo sumo, una
probabilidad igual a (1-K/100).
Se llama Esperanza matemática de una función generada con una variable aleatoria
continua, a la integral, a través del recorrido de la variable, del producto de la función
dada por la función de densidad de probabilidad de la variable.
• La esperanza matemática o promedio del producto de una constante por una variable,
es igual al producto entre la constante y la esperanza matemática o promedio de la
variable y la varianza del producto de una constante por una variable es igual al producto
entre el cuadrado de la constante y la varianza de la variable.
Teorema de tchebycheff
Sea X una variable aleatoria, discreta o continua, con esperanza matemática finita y
varianza finita, y sea K un número real positivo mayor a uno. Cualquiera sea la
distribución de probabilidad de la variable aleatoria X, siempre se cumple que:
La probabilidad de que, el modulo de la desviación ente un valor de la variable y el
promedio esperado, sea mayor o igual, a k veces el desvío estándar (K>1), es a lo sumo
1/K₂
Variable estandarizada
Se llama variable estandarizada de una variable aleatoria, discreta o continua, a la
variable que se genera haciendo el cociente entre, la diferencia entre la variable original y
su esperanza matemática, y la raíz cuadrada positiva de la varianza. Toda variable
aleatoria estandarizada, tiene esperanza igual a cero y varianza igual a uno, cualquiera
sea la naturaleza de la variable original que se está estandarizando.
Aplicaciones de la variable estandarizada
Estandarizar una variable aleatoria, la variable original, es transformar los valores de ella,
que están expresados en unidades de la magnitud original, a valores en unidades de
desvió estándar. En otras palabras, el valor de la variable estandarizada indica a qué
distancia, a cuantos desvíos estándares, y en qué posición (izquierda o derecha) se
encuentra el correspondiente valor observado de la variable en estudio, con respecto a su
media aritmética.
Esta transformación hace posible que se pueda comparar la desviación con respecto al
promedio aritmético, de valores individuales correspondientes a variables aleatorias que
representan distintas circunstancias, o distintos grupos, o medidas en distintas unidades
de magnitudes.
Leyes de probabilidad específicas
Experimento aleatorio dicotómico: Aquel experimento aleatorio cuyo espacio muestral
tiene solo dos resultados posibles mutuamente excluyentes.
Permutaciones: Dado un conjunto formado por n elementos, se llama permutación de n a
cualquier arreglo ordenado de los n elementos. La cantidad de permutaciones que se
pueden formar ordenando los n elementos de distinta manera, se calcula con un numero
llamado factorial de n.
Espacio continuo: Es un recinto de infinitos puntos donde en cualquiera de ellos es
posible encontrar un elemento. Son las magnitudes (longitud; superficie; tiempo)
Distribución de Bernoulli: Es una función que proporciona valores de probabilidad a una
variable aleatoria discreta que denota la presencia o ausencia de un determinado atributo.
Si el atributo no se presenta, se asigna a la variable el valor cero; si el atributo se presenta
se asigna a la variable el valor uno.
La cantidad de elementos con un determinado atributo que se presenta en una
observación de un experimento aleatorio dicotómico, es una variable aleatoria discreta, r,
cuya función de probabilidad es llamada distribución de bernoulli.
Distribución Binomial
• Las n observaciones son independientes: la probabilidad de que se presente un
elemento con un determinado atributo permanece constante a través de las n pruebas.
La cantidad de elementos con un determinado atributo, que se presentan en n
observaciones independientes de un experimento aleatorio dicotómico, es una variable
aleatoria discreta, r, cuya función de probabilidad es llamada distribución binomial.
Distribución geométrica
• La variable aleatoria es la cantidad de repeticiones independientes del experimento que
son necesarias para encontrar un elemento que tenga un determinado atributo.
• Si n es la cantidad de observaciones o repeticiones independientes del experimento
aleatorio dicotómico, entonces en las primeras (n-1) observaciones no se tiene que haber
presentado el elemento con el atributo.
La cantidad de observaciones independientes de un experimento aleatorio dicotómico
necesarias para encontrar 1 elementos con un determinado atributo, es una variable
aleatoria discreta, ñ, cuya función de probabilidad es llamada distribución geométrica
Distribución Pascal
• La variable aleatoria es la cantidad de repeticiones del experimento pero que son
necesarias para encontrar una cantidad fija, mayor a uno, de elementos que tengan un
determinado atributo.
• Esta variable es útil cuando se quieren concreta algunos trabajos de investigación, o
tener una correcta información acerca de determinadas situaciones, donde es necesario
contar con una cantidad fija de elementos que tengan un determinado atributo. Para ello,
habrá que repetir el experimento aleatorio tantas veces como sea necesario. Es decir, se
observan unidades experimentales sucesivamente hasta conseguir la cantidad con
atributo que se necesita, y recién, cuando ello se logra, se detienen las pruebas.
Características
1) a y b son los parámetros matemáticos de la función.
2) Por ser función de densidad de probabilidad la función de densidad uniforme cumple
con la condición de no negatividad y con la condición de cierre.
3) La función de distribución de la distribución uniforme es:
Distribución Normal
La distribución normal es quizá, una de las más importantes, dado que es un modelo
teórico que se presenta con extraordinaria frecuencia como función de densidad de
probabilidad de las variables aleatorias continuas que se estudian en todas las ciencias.
No obstante, es necesario verificar, mediante metodologías que se estudiaran en cursos
más avanzados, la validez de la “normalidad” en las variables que se analizan, para evitar
errores en las decisiones.
Por otro lado, la distribución normal posee importantes propiedades que permiten analizar
el comportamiento de variables originadas en la suma o diferencia de otras variables;
como así también, bajo ciertas condiciones, puede ser utilizada como aproximación de
funciones de probabilidad para variables aleatorias discretas.
Una variable aleatoria continua X, definida para todos los números reales, tiene
distribución normal, si su función de densidad de probabilidad es
Características
1) Los números µ y ∂ de la función de densidad normal son los parámetros matemáticos
de la función
2) La función de densidad normal alcanza un máximo relativo cuando x= µ
3) La función de densidad normal tiene dos puntos de inflexión cuando:
X= µ - ∂ X= µ + ∂
4) La función de densidad normal es simétrica con respecto al punto de máxima ordenada
5) La función de densidad normal es asíntota al eje de abscisa.
Variable normal estandarizada o tipificada
El valor de la función de distribución de una variable aleatoria con distribución normal,
para el valor x, es igual al valor de la función de distribución de la variable estandarizada Z
con distribución normal, para el correspondiente valor.