DISTRIBUCIÓN NORMAL

La distribución normal (en ocasiones llamada distribución Gaussiana) fue introducida por Carl
Friedrich Gauss a principios del siglo XIX, al estudiar los errores de medida en los movimientos de los
cuerpos celestes. Es una distribución que tiene forma de campana, es simétrica y puede tomar valores
entre menos infinito y más infinito. Es decir, los valores centrales de la variable se presentan con más
frecuencia que los valores extremos. Así por ejemplo, en el caso de los errores de medida, los errores
por defecto o por exceso pequeños en valor absoluto se presentan frecuentemente, mientras que los
errores grandes, tanto los positivos como los negativos, se observan menos veces.

La distribución normal que tiene de media μ=0, y #2=1 se denomina distribución normal estándar, N
(0,1), o tipificada. Su función de distribución se encuentra tabulada, siendo de gran utilidad para el
cálculo de probabilidades de cualquier distribución N (μ, #2). Sea una variable X que se distribuye
como una normal con media μ y variancia #2. Dicha variable se puede transformar en una variable
normal tipificada, N (0,1), mediante la siguiente expresión: “x” es N (  ,  ).

Donde

Aplicación:
- Variables continuas comunes en el mundo de los negocios que tienen distribuciones que se
asemejan estrechamente a la distribución normal.
- Sirve para acercarse a diversas distribuciones de probabilidad discreta, como la distribución
binomial y la distribución de Poisson.
- Proporciona la base para la estadística inferencial clásica por su relación con el teorema de
límite central.

DISTRIBUCIÓN POISSON

Llamada así en honor a Simeón-Denis Poisson, quien la describió por primera vez a finales del siglo
XIX Dentro de su trabajo. La distribución de Poisson es una distribución de probabilidad discreta que
expresa, a partir de una frecuencia de ocurrencia media λ, la probabilidad que ocurra un determinado
número de eventos durante un intervalo de tiempo dado o una región específica.

La distribución de Poisson, según hemos señalado, se refiere a ciertos procesos que pueden ser
descritos con una variable aleatoria discreta. La letra X suele representar esa variable y puede además
asumir valores enteros (0, 1, 2, 3 etc.). Utilizamos la letra X mayúscula para representar la variable
aleatoria y la x minúscula para designar un valor específico que puede asumir la X mayúscula. La
probabilidad de exactamente x ocurrencias en una distribución de Poisson se calcula mediante la
fórmula:

Donde u es la media aritmética del número de ocurrencias en un intervalo específico de tiempo, e es la

constante 2.71828 y “x” es el número de ocurrencias.
La distribución de Poisson se puede expresar de forma gráfica, ya que en realidad consiste en un
diagrama de barras, con forma asimétrica positiva como sucede con la distribución binomial. Sin
embargo, al ir aumentando los valores de , va adquiriendo la típica forma de la Campana de Gauss,
pudiendo deducirse, que conforme aumenta , las variables de Poisson van a poder aproximarse a la
distribución normal, por el Teorema Central del Límite. La aproximación se considera buena para
valores de iguales o superiores a nueve.

Aplicaciones
- Modelización de situaciones en las que nos interesa determinar el número de hechos de cierto
tipo que se pueden producir en un intervalo de tiempo o espacio, bajo presupuestos aleatoriedad
y ciertas circunstancias restrictivas.

DISTRIBUCIÓN T
En probabilidad y estadística, la distribución t (de Student) es una distribución de probabilidad que
surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de
la muestra es pequeño.

Aparece de manera natural al realizar la prueba t de Student para la determinación de las diferencias
entre dos varianzas muéstrales y para la construcción del intervalo de confianza para la diferencia entre
las partes de dos poblaciones cuando se desconoce la desviación típica de una población y ésta debe ser
estimada a partir de los datos de una muestra.

La curva Normal y Normal Tipificada son modelos teóricos adecuados para describir muchas
poblaciones, basándose en dos parámetros  y  . Sin embargo por lo general, trabajamos con
muestras, con  y  desconocidos, lo que da alguna inseguridad sobre el modelo
empleado al desconocerse estos parámetros. Un investigador, Gosset (seudónimo Student) estudio
este problema y llegó a la conclusión que la distribución Normal no funciona bien con muestras
pequeñas, de tamaño menor a 30 datos, y encontró una distribución que supera este problema.
Luego esta distribución se llamaría “t” de Student en honor a Gosset.

Esta distribución es simétrica, con forma de campana y su promedio vale 0. Cuando hay pocos
datos la campana es más aplanada que una campana Normal, con de 30 datos la distribución “t” es
casi igual que la distribución Normal Tipificada (0,1).

Esta Distribución se usa mucho para construir de intervalos de confianza de  y realizar

pruebas de hipótesis de uno y dos promedios con variables continuas.

Aplicación
- Se aplica cuando la población estudiada sigue una distribución normal pero el tamaño Muestral
es demasiado pequeño como para que el estadístico en el que está basada la inferencia este
normalmente distribuido, utilizándose una estimación de la desviación típica en lugar del valor
real
- En análisis discriminante
DISTRIBUCIÓN Xi

La distribución X2 se genera a partir de “n” variables aleatorias independientes

normales con media “0” y varianza “1” . Es decir elevamos los “n” valores generados al
cuadrado y los sumamos. Si aplicamos este procedimiento muchas veces, obtendremos
la distribución de una variable que solo depende del número de sumandos. Esta
distribución se denomina X 2 con “n” grados de libertad. Esta distribución no posee
valore negativos por ser creada a partir de suma de valores cuadrados.

Aplicación:
- Se puede aplicar en situaciones donde se desea decidir si una serie de datos
(observaciones) se ajusta o no a una función teórica previamente determinada.
- Distribuciones, por ejemplo para verificar si una distribución observada se
comporta como una distribución Normal.
- Independencia, para verificar si dos variables discretas son independientes o no.

ENCUESTA

Es un método de investigación y recopilación de datos, están dirigidas a una porción

representativa de una población, y tiene como finalidad averiguar estados de opinión, actitudes o
comportamientos de las personas ante asuntos específicos. Los resultados, por su parte, se extraen
siguiendo procedimientos matemáticos de medición estadística.

Dependiendo del universo estudiado, se definirá la proporción de la muestra representativa de una

población. Aunque cuando se trate de poblaciones muy pequeñas, se podrá proceder a encuestar al cien
por ciento de los individuos. Así, una encuesta se designará como parcial cuando se enfoque en
una muestra de la población total, y se llamará exhaustiva cuando abarque todas las unidades
estadísticas que conforman el universo estudiado. La población, por otro lado, podría estar compuesta
por personas, empresas o instituciones.

El proceso de aplicación de las encuestas es llevado a cabo, en general, por un encuestador, quien se
encarga de la recogida de datos. Las encuestas pueden ser cara a cara, telefónicas, por correo
tradicional o por Internet. Se aplican comúnmente para estudios de mercado y para sondeos de
opinión de naturaleza política (elecciones, aprobación, popularidad, etc.).

Las encuestas vienen en muchas formas diferentes y tienen una amplia variedad de propósitos, pero
tienen ciertas características en común. En una encuesta la muestra no se selecciona al azar o se
conforma solamente de las personas o voluntarios para participar. Cada individuo de la población tiene
una probabilidad conocida de ser seleccionada. De esta manera, los resultados pueden ser proyectados
de manera fiable.

- Encuestas exhaustivas y parciales: Se denomina exhaustiva cuando abarca a todas las unidades
estadísticas que componen el colectivo, universo, población o conjunto estudiado. Cuando una
encuesta no es exhaustiva, se denomina parcial.
- Las encuestas directas e indirectas. Una encuesta es directa cuando la unidad estadística se
observa a través de la investigación propuesta registrándose en el cuestionario. Será indirecta
 cuando los datos obtenidos no corresponden al objetivo principal de la encuesta pretendiendo
averiguar algo distinto o bien son deducidos d los resultados de anteriores investigaciones
estadísticas.
- Encuestas sobre hechos y encuestas de opinión. Hay un tipo de encuestas cuya misión es
averiguar lo que es el público en general piensa acerca de una determinada materia o lo que
considera debe hacerse en una circunstancia concreta. Estas encuestas se denominan de opinión
y tuvieron su origen en los Estados Unidos. Se realizan con un procedimiento de muestreo y son
aplicadas a una parte de la población ya que una de sus ventajas es la enorme rapidez con que se
obtienen los resultados.

Aplicación
Recopilación de datos

ESPACIO MUESTRAL

De acuerdo con el concepto suministrado por la estadística de probabilidades, el espacio Muestral es,
de forma general, el conjunto de resultados posibles que deriven de un experimento aleatorio. Así,
cuando se realiza un experimento en el que se deben lanzar dos monedas al aire, el muestreo se
reduciría a los conjuntos: {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. A partir de esto
aparecen los eventos o sucesos, los subconjuntos de los espacios muéstrales, que a su vez pueden
convertirse en sucesos elementales cuando sólo tienen un elemento de importancia. La denotación más
habitual del espacio Muestral es mediante la letra griega omega: Ω.

Espacio Muestral de una moneda:

Ω = {C, X}.

- Espacio Muestral Discreto: toma valores discretos como en el ejemplo de un dado

- Espacio Muestral Continuo: toma valores continuos como por ejemplo el peso o la altura de una
persona

La simetría de probabilidades es lo más habitual a la hora de analizar fenómenos aleatorios, pero eso no
quita que sea de gran ayuda el hecho de poder construir un espacio Muestral en el que los resultados
son al menos aproximadamente parecidos, ya que esta condición es básica para poder simplificar el
cálculo de probabilidades. Y es que, si todos los posibles resultados del experimento tienen la misma
probabilidad de suceder, entonces el estudio de probabilidad se simplifica enormemente.

Aplicación:
Experimentos aleatorios, es decir un conjunto de todos los posibles resultados al realizar un
experimento (una moneda)

ESPERANZA MATEMÁTICA
En estadística la esperanza matemática (también llamada esperanza, valor esperado, media
poblacional o media) de una variable aleatoria es el número que formaliza la idea de valor medio de un
fenómeno aleatorio.
Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de cada
posible suceso aleatorio multiplicado por el valor de dicho suceso. Por lo tanto, representa la cantidad
media que se "espera" como resultado de un experimento aleatorio cuando la probabilidad de cada
suceso se mantiene constante y el experimento se repite un elevado número de veces. Cabe decir que el
valor que toma la esperanza matemática en algunos casos puede no ser "esperado" en el sentido más
general de la palabra (el valor de la esperanza puede ser improbable o incluso imposible). Una
aplicación común de la esperanza matemática es en las apuestas o los juegos de azar.

La Esperanza Matemática se representa por E(x). Cuando la variable aleatoria es discreta (toma
solamente números discretos: 1, 2, 3, 4... no continuos) la esperanza matemática es igual a la suma
de los productos de la probabilidad de cada suceso por el valor de dicho suceso:
 E(x) = Σ xi · pi = x1·p1 + x2·p2 + x3·p3 +... + xn · pn

Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir, no existe ventaja ni para el
jugador ni para la banca.

Aplicación:
- Juegos de azar o en apuestas (ruleta)

ESTADÍSTICA

Se designa con el nombre de estadística a aquella ciencia que ostenta en sus bases una fuerte presencia
y acción de las matemáticas y que principalmente se ocupa de la recolección, análisis e interpretación
de datos que buscan explicar las condiciones en aquellos fenómenos de tipo aleatorio.

Uno de los rasgos salientes de la estadística es que se trata de una ciencia transversal y funcional a una
amplia variedad de disciplinas que echan mano de ella para entender e interpretar algunas cuestiones
que hacen a sus objetos de estudio. La física, la mayoría de las ciencias sociales, las ciencias vinculadas
a la salud y áreas como el control de calidad y los negocios y también algunas instituciones
gubernamentales, suelen muy recurrentemente ayudarse con la estadística para comprender algunos
fenómenos que se dan entre sus filas.

En la actualidad, la estadística es una ciencia que se encarga de estudiar una determinada población por
medio de la recolección, recopilación e interpretación de datos. Del mismo modo, también es
considerada una técnica especial apta para el estudio cuantitativo de los fenómenos de masa o
colectivo.
Ahora bien, las técnicas estadísticas se aplican de manera amplia
en mercadotecnia, contabilidad, control de calidad y en otras actividades; estudios de consumidores;
análisis de resultados en deportes; administradores de instituciones; en la educación; organismos
políticos; médicos; y por otras personas que intervienen en la toma de decisiones.

La Estadística para su mejor estudio se ha dividido en dos grandes ramas:

- Estadística descriptiva.

- Estadística inferencia.

Esta rama de la estadística se usa mayormente para modelar patrones en los datos y extraer inferencias
acerca de la población que se encuentra bajo estudio. Las inferencias pueden asumir la forma de
respuestas a preguntas tipo sí, no, estimaciones numéricas, pronósticos de futuras observaciones,
descripciones de asociación, modelamiento de relaciones entre variables.

Aplicación:
- Ciencias Naturales
- Ciencias Sociales y económicas
- Ciencias Medicas

ESTADÍSTICA DESCRIPTIVA

La estadística descriptiva es la rama de la estadística que recolecta, analiza y caracteriza un conjunto de

datos (peso de la población, beneficios diarios de una empresa, temperatura mensual,…) con el
objetivo de describir las características y comportamientos de este conjunto mediante medidas de
resumen, tablas o gráficos.
Su objetivo es organizar y describir las características sobre un conjunto de datos con el propósito de
facilitar su aplicación, generalmente con el apoyo de gráficas, tablas o medidas numéricas.
- Ejemplos básicos de parámetros estadísticos son: la media y la desviación estándar.
- Ejemplos gráficos son: histograma, pirámide poblacional, gráfico circular, entre otros.

No obstante puede no solo referirse a la observación de todos los elementos de una población
(observación exhaustiva) sino también a la descripción de los elementos de una muestra (observación
parcial).

Aplicación:
- Es aplicable en casi todas las áreas donde se recopilan datos cuantitativos.
- Resumen de mediciones principales de las características de un producto
- Descripción del comportamiento de algún parámetro del proceso.
- Procesar datos relacionados con muestras a clientes.
- Visualizar el resultado del desempeño de un producto en un periodo mediante un gráfico de
tendencia

ESTADÍSTICA GERENCIAL

Proporciona los conocimientos básicos de la estadística económica, destacando la importancia

de la misma para el análisis de los problemas y decisiones de carácter económico. Proporciona como
auxiliar del método científico, una herramienta básica para el tratamiento de la problemática no solo del
campo económico, sino de casi todas las facetas del progreso humano.

Aplicación:

- Análisis de datos económicos

- Series cronológicas (series de tiempo)

ESTADÍSTICA INFERENCIAL

Se dedica a la generación de los modelos, inferencias y predicciones asociadas a los fenómenos en

cuestión teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los
datos y extraer inferencias acerca de la población bajo estudio. Estas inferencias pueden tomar la forma
de respuestas a preguntas sí/no (prueba de hipótesis), estimaciones de unas características numéricas
(estimación), pronósticos de futuras observaciones, descripciones de asociación (correlación) o
modelamiento de relaciones entre variables (análisis de regresión). Otras técnicas
de modelamiento incluyen análisis de varianza, series de tiempo y minería de datos. Su objetivo es
obtener conclusiones útiles para lograr hacer deducciones acerca de la totalidad de todas las
observaciones hechas, basándose en la información numérica.
Estadística inferencial, por su parte, se divide en estadística paramétrica y estadística no paramétrica.

Generalmente comprende las pruebas de estimación, puntual o por intervalos de confianza, y las
pruebas de hipótesis, paramétricas, como la de la media, diferencias de medias, proporciones, etc., y las
no paramétricas, como la prueba de chi-cuadrado.

Aplicaciones:
- Toma muestras y obtener, a través de éstas, conclusiones de la población de la que se ha
extraído las muestras.
- Estimaciones puntual y por intervalos, contraste de hipótesis.
ESTADÍSTICO-ESTADÍGRAFO
Se vale de los datos recolectados, a fin de obtener como conclusión un número real, en base a la
estimación de parámetros. Igualmente, los estadígrafos pueden ser usados como valores de
distribuciones de probabilidad, sobre los cuales los estadistas logran establecer inferencias estadísticas,
a través del contraste entre la hipótesis y los intervalos de confianza.

De esta forma, un Estadígrafo será básicamente las distintas medidas descriptivas que pueden extraerse
de una muestra específica, a fin de ser usado como una estimación sobre un parámetro. Un ejemplo
claro de Estadígrafo lo pueden constituir el promedio de notas de una muestra de estudiantes
universitarios; el promedio de sueldos percibido por una muestra de empleados de una empresa o un
sector productivo.

Tipos de Estadígrafo:
Tendencia central:
Estos pueden ser a su vez de dos clases: aquellos que tratan de centrarse o localizarse hacia el centro de
una serie, a fin de representar el promedio, mediana o moda de un dato específico. Por otro lado se
encuentran aquellos que sólo pueden aplicarse en los datos agrupados, y que corresponden a los
cuartiles y deciles.

Estadígrafos de Dispersión
Así también se encuentran aquellos que quieren conformar la desviación media, la absoluta, la relativa
y también la estándar. Igualmente, puede constituir la varianza.

Estadígrafos Específicos
De igual manera, ciertas fuentes identifican también este tipo de estadígrafo con el cual se pueden
llegar a describir los parámetros propios de un área específica, como por ejemplo la Administración, las
Matemáticas, La Informática, entre otros.

Aplicación:
- Estimación de parámetros o valores de distribuciones de probabilidad que permiten hacer
inferencia estadística

GRAFICAS DE DISPERSIÓN
Una gráfica de dispersión puede ser usada para datos en la forma de parejas ordenadas de números. El
resultado será un montón de puntos "dispersos" alrededor del plano. Si la tendencia general es que los
puntos suban a la derecha de la gráfica, entonces decimos que hay una correlación positiva entre las dos
variables medidas. Si los puntos caen a la izquierda de la gráfica, decimos que hay una correlación
negativa. Si no hay tendencia general, entonces no hay correlación. Si la tendencia no es muy
pronunciada – esto es, los puntos están dispersos ampliamente – entonces decimos que las variables
están débilmente correlacionadas. Si la correlación es más pronunciada, decimos que las variables
están fuertemente correlacionadas.

Aplicación:
- Problemáticas empresariales

GRAFICA DE LÍNEAS

Muestran la relación entre dos variables cuantitativas. En el eje horizontal (x) se gráfica la variable
independiente en el eje vertical (y). Las marcas de los cuadrantes en los ejes marcan las unidades de
medida; las escalas en los ejes pueden ser lineales, logarítmicas o ambas.
Cuando los datos se relacionan entre sí, es decir, cuando podemos decir que existe cierta continuidad
entre las observaciones (como por ejemplo el crecimiento poblacional, la evolución del peso o estatura
de una persona a través del tiempo, el desempeño académico de un estudiante a lo largo de su
instrucción escolar, las variaciones presentadas en la medición realizada en algún experimento cada
segundo o minuto) se pueden utilizar las gráficas de líneas, que consisten en una serie de puntos
trazados en las intersecciones de las marcas de clase y las frecuencias de cada una, uniéndose
consecutivamente con líneas.
Aplicación
- Series de tiempo
- Muestras en un diagrama

GRAFICA DE SECTORES
Es una representación circular de las frecuencias relativas de una variable cualitativa o discreta que
permite, de una manera sencilla y rápida su comparación. El círculo representa la totalidad que se
quiere observar y cada porción, llamadas sectores, representan la proporción de cada categoría de la
variable respecto el total. Suele expresarse en porcentajes
Son útiles cuando las categorías son pocas, si el gráfico tuviera muchas variables, no aportaría casi
información sería prácticamente incomprensible

Aplicación:
- Distribución interna de los datos que representan un hecho, en forma de porcentajes sobre un
total

INFERENCIAL

La inferencia es un campo de la estadística que persigue la obtención de conclusiones de una població

estadística a partir de una muestra de la misma, pretendiendo ir de lo particular a lo general.
Existen dos tipos de inferencia:
- Estimación puntual (o Inferencia puntual)
- Estimación por intervalos de confianza (o Inferencia por intervalos de confianza