Versin 2014

APENDICE 2
RESUMEN BASICO DE ESTADISTICA

UTN-FRBB Ctedra: Elementos de Mquinas. Profesor: Dr. Ing. Marcelo Tulio Piovan

Versin 2014

1. Introduccin
El presente apndice tiene por objetivo suministrar al alumno informacin compendiada para
evitar dispersin de tiempo en la bsqueda de material afn asociado a los contenidos de
probabilidad y estadstica que son necesarios para avanzar en los contenidos del Captulo 3.

2. Las variables aleatorias

Una variable aleatoria (tambin llamada variable estocstica) se interpretar como una entidad
que posee parmetros estadsticos y una distribucin caractersticas de su variabilidad en un
conjunto determinado. La variable se denota por una letra negrita, p.e.

S, , x, y la

distribucin como por ejemplo la distribucin normal de Gauss N(xm, xde), donde xm es la
media aritmtica de la distribucin y xde es la desviacin estndar de la muestra.
Para una variable aleatoria especfica se puede determinar un intervalo de confianza
expresado en trminos de un valor de probabilidad, es decir donde la variable aleatoria
cumpla con xito un 80% o 90% o el que se fije como aceptable.

3. Cantidades estadsticas de muestreo.

En un muestreo de N observaciones de una variable aleatoria x, se definen:
a) Clase: de la muestra es el subconjunto de la misma que se halla acotado en un
intervalo, llamado intervalo de clase.
b) Frecuencia de Clase: es la cantidad de observaciones de la muestra que se hallan
dentro del intervalo de clase. La frecuencia i-sima se denota por fi. Siendo Nm la
cantidad de clase en una muestra, la propiedad ms importante de las frecuencias de
clase estipula que:
N

Nm

(A2.1)

i 1

c) Valor medio o media aritmtica. Se calcula de la siguiente forma

1
xm
N

j 1

1
xj
N

Nm

f x
j

(A2.2)

j 1

d) Desviacin Estndar: se calcula de la siguiente forma

x
N

x de

xm

j 1

N 1

j 1

1
x 2j
N

N 1

j 1

xj

j 1

1
f j x 2j
N

N 1

UTN-FRBB Ctedra: Elementos de Mquinas. Profesor: Dr. Ing. Marcelo Tulio Piovan

j 1

f jxj

(A2.3)

Versin 2014

e) Coeficiente de variacin: Es la razn de la desviacin estndar al valor medio de la

muestra.

x de
xm

CX

(A2.4)

f) Distribucin Acumulativa. Si fi y wi son frecuencia y ancho de clase, la distribucin

acumulativa ser.
Fi

f i wi

i 1

f w
j

(A2.5)

j 1

g) La distribucin de una variable aleatoria puede definirse en funcin de los parmetros

introducidos anteriormente:
x N xm , xde xm N 1, C X

(A2.6)

4. Funciones de distribucin.
La Funcin de distribucin Acumulativa
Si en una variable aleatoria, las frecuencias de clase tienden a cero (lo que sera el caso de
variables aleatorias continuas), se puede hallar la distribucin acumulativa como:
F x

f xdx
x

(A2.7)

de tal manera que se cumple que:

f xdx 1

dF x
f x
dx
siendo ahora f(x) la funcin densidad de probabilidad.

(A2.8)
(A2.9)

La Distribucin gaussiana o distribucin normal

La funcin de densidad de probabilidad de una distribucin gaussiana o distribucin normal
viene dada por la siguiente expresin

f x

1
x de

1 x x 2
m

exp
2
x
2

de

(A2.10)

Esta distribucin se denota como N(xm, xde). Para hallar la funcin de distribucin acumulada
se debe integrar (A2.10), lo cual debe hacerse con mtodos numricos (es decir recurriendo a
paquetes informticos de matemtica: Mathematica, MatLAB, etc). Tambin se puede recurrir
a los mtodos clsicos empleando tablas debidas a una distribucin N(0,1) (referencia [1])
donde se recurre a una simplificacin de la representacin algebraica transformando la

UTN-FRBB Ctedra: Elementos de Mquinas. Profesor: Dr. Ing. Marcelo Tulio Piovan

Versin 2014

(A2.10) en otra que posee valor medio nulo y desviacin estndar unitaria, cuya funcin de
distribucin se rige por la ecuacin (A2.10.b)

x2
exp
2
2

f x

(A2.10.b)

La Distribucin Normal Logartmica

Tambin llamada distribucin lognormal. Esta distribucin se define como que el logaritmo x
tiene distribucin normal, es decir que

y Lnx

(A2.11)

y N xm , xde

(A2.12)

Esta distribucin se denota como x ~LN(xm, xde).

La funcin de densidad de probabilidad de una distribucin normal logartmica viene dada por
la siguiente expresin

f x

1
x. y de

1 Lnx y 2
m

exp
2
y
2

de

Donde se definen:

y m Lnxm Ln 1 C X2

y de Ln 1 C X2

(A2.13)

(A2.14)

(A2.15)

entre y y x se pueden establecer las siguientes transformaciones

y2
xm exp y m de
2

2
2
xde exp 2 y m 2 y de
exp 2 y m y de

(A2.16)

(A2.17)

La Distribucin Weibull
Esta distribucin es la que mejor representa distintos campos de aplicacin como la
resistencia de los aceros, la altura de los hombres sajones, etc.
La distribucin de Weibull puede ser biparamtrica o triparamtrica, y se representan
respectivamente como x~W[, b] o x ~W[x0, , b]. Las fracciones de supervivencia vienen
dadas por:
x b
Rx exp x 0 (biparamtrico)
(A2.18)

xx
0
Rx exp
x0

x x0 (triparamtrico)

donde
x0 es el valor garantizado de x tal que x x0
UTN-FRBB Ctedra: Elementos de Mquinas. Profesor: Dr. Ing. Marcelo Tulio Piovan

(A2.19)

Versin 2014

es un valor caracterstico de escala, tal que x0

b es un parmetro de forma, tal que b 0
El valor medio y la desviacin estndar vienen dados por las siguiente expresiones:
xm x0 x0 1 1 / b

(A2.20)

xde x0 1 2 / b 1 1 / b

(A2.21)

siendo , la denominada funcin gamma, dada por la siguiente expresin:

n e x x n1 dx

(A2.22)

en ella se verifica la siguiente propiedad

n 1 n n

(A2.23)

5. Bibliografa.
[1] P.L. Meyer, Probabilidad y aplicaciones estadsticas, Fondo Educativo Interamericano
S.A. 1973
[2] J.E. Shigley y C.R. Mischke, Diseo en Ingeniera Mecnica, McGraw Hill 2002

UTN-FRBB Ctedra: Elementos de Mquinas. Profesor: Dr. Ing. Marcelo Tulio Piovan