PROGRAMA MSTER

EN INGENIERA CIVIL
MENCIN EN RECURSOS HDRICOS

PROGRAMA MASTER EN INGENIERIA CIVIL

UNIVERSIDAD DE PIURA
Curso: Propedutico de Estadstica

Dr. Ing. Csar Angulo Bustos

Abril 2013

PROGRAMA MASTER EN INGENIERIA CIVIL

UNIVERSIDAD DE PIURA
Contenido del curso
1. Probabilidades
2. Introduccin a la Estadstica
3. Estadstica descriptiva
4. Distribuciones de probabilidad
Distribuciones discretas
Distribuciones continuas
5. Pruebas de bondad de ajuste
Probabilidades: definiciones
Experimento: Reproduccin controlada de un
fenmeno.
Evento: Resultado de un experimento.
Simple o compuesto.
Espacio muestra: Representacin grfica o
analtica de todos los eventos de un
experimento.
Probabilidades: definiciones
Variable aleatoria
Funcin definida sobre un espacio muestra donde
a cada evento le corresponde un nmero real.
A partir de un espacio muestra, diferentes
variables.
Puede ser:
Discreta: cuando el nmero de eventos es
finito.
Continua: cuando el nmero de eventos es
infinito.
Ejemplo 1
Experimento: lanzamiento de tres monedas.
Evento: lo que muestran las monedas.
Espacio muestra: S={CCC, CCS, , ... CSS,
SSS}
Ejemplo de variable aleatoria discreta:
nmero de caras en el lanzamiento.
Ejemplo 2
Experimento: toma de precipitaciones diarias
en una ciudad.
Evento: precipitacin de un da.
Espacio muestra: S={0 x}
Ejemplo de variable aleatoria continua:
precipitacin promedio del mes.
Ejemplo de variable aleatoria discreta:
nmero de das que llovi en un mes.
Probabilidades: modelos matemticos

Un modelo es una representacin de un fenmeno

de la naturaleza.
Un modelo matemtico representa el fenmeno
mediante formulaciones matemticas.
Un modelo matemtico puede ser:
Determinstico: el resultado est determinado por las
condiciones bajo las cuales se realiza el experimento.
No determinstico o probabilstico: el resultado est
determinado por las condiciones bajo las cuales se realiza
el experimento, y se expresa con cierto grado de
confiabilidad.
Probabilidades: modelos matemticos

Caractersticas de los modelos

probabilsticos:
Sin cambiar las condiciones, se obtienen
diferentes resultados.
Se puede describir el conjunto de resultados
posibles.
Al principio los resultados parecen ocurrir sin
ningn patrn; pero despus de muchas
repeticiones se observa un patrn que permite
elaborar un modelo preciso que describa el
fenmeno.
Probabilidades: modelos matemticos

Ejemplo de un modelo probabilstico:

Este modelo expresa qu tan probable es que
ocurran precipitaciones diarias en ciertos rangos.

Precipitacin 0 a 10 11 a 20 21 a 30 31 a 40 41 a 50 51 a 60 > 60

Probabilidad 0,050 0,217 0,300 0,217 0,133 0,050 0,033

Toma de datos

Patrn

0 a 10 11 a 20 21 a 30 31 a 40 41 a 50 51 a 60 > 60
Probabilidad: tcnicas de
conteo
Permutacin: arreglo ordenado de un
conjunto de datos.
Ej: con tres dgitos impares: 123, 213, 312,
, 789, 978.
Combinacin: arreglo de un conjunto de
datos sin que importe el orden.
Ej: con tres dgitos impares: 123, 124, ,
456, , 789.
Combinaciones y
permutaciones
N!
Combinaciones: C(N , r)
r!( N r )!

Permutaciones: N!
P( N , r )
( N r )!

PR ( N , r ) N r
Probabilidad
Las races de la teora de la probabilidad se
encuentran en los juegos de azar. Ahora se aplica
en casi todas las ciencias.
Expresa resultados de los que no se tiene total
certeza.
Expresa la posibilidad de que ocurra un evento.
Se evala con nmeros reales, de 0 a 1.
A cada punto del espacio muestral se le asigna una
probabilidad tal que la suma de todas debe ser igual
a 1.
La probabilidad de ocurrencia de un evento
compuesto es la suma de las probabilidades
asignadas a los eventos simples que lo conforman.
Probabilidad: tipos
Probabilidad a priori
Se calcula de antemano, asumiendo que todos los
eventos simples son igualmente probables.
Probabilidad experimental
Se puede calcular con base en datos
experimentales. Es la frecuencia relativa con que
ocurre un evento.
Probabilidad subjetiva
Se asigna subjetivamente a fenmenos que no se
pueden repetir, con base en el conocimiento del
tema.
Probabilidades: clculos
Probabilidad a priori:
N de eventos xito
P
N de eventos total
Probabilidad experimental:

Frecuencia con que ocurre un resultado

P
N de veces que se repite el experimento
Ejemplos de tipos de
probabilidades
La probabilidad de que llueva maana:
experimental.
La probabilidad de que el prximo mes llueva al
menos 10 das:
experimental.
La probabilidad de que el prximo ao se presente
el fenmeno El Nio:
subjetiva.
Probabilidad: teoremas
Suma de probabilidades
Probabilidad condicional y regla de la
multiplicacin
Teorema de suma y multiplicacin
Teorema de Bayes
Suma de probabilidades
P( A B) P( A) P( B) P( A B)

Ejemplo:
Si el 10% de los veranos en Piura son muy lluviosos
y el 45% son medianamente lluviosos. Cul es la
probabilidad de que el prximo verano sea muy
lluvioso o medianamente lluvioso?

P = 0,10 + 0,45 = 0,55

Probabilidad condicional
P( A B)
P( A \ B)
P( B)
Ejemplo:
El 10% de los veranos en Piura son muy lluviosos, y el
2,5% de los veranos son muy lluviosos y muy calurosos
Cul es la probabilidad de que un verano muy lluvioso
sea muy caluroso?

P = 0,025/0,10 = 0,25
Teorema de la multiplicacin
P( A B) P( A) P( B \ A)

Ejemplo:
El 45% de los veranos en Piura son secos, y el 40%
de los veranos secos son calurosos. Cul es la
probabilidad de que un verano sea seco y caluroso?

P = P(seco) P(caluroso\seco) = 0,45 x 0,40 = 0,18

Teorema de suma y
multiplicacin
Sean los eventos E1, E2, E3 ... ,EN una particin del espacio
muestra S, es decir, todos mutuamente excluyentes, de tal forma
que la unin de todos conformen el espacio muestral S. Sea
adems un evento E, perteneciente a S, entonces:

P( A) P( E1 ) P( E \ E1 ) P( E 2 ) P( E \ E 2 ) ... P( E N ) P( E \ E N )
Teorema de suma y
multiplicacin
Ejemplo:
Un meteorlogo pronostica en Piura que el verano
ser lluvioso en el 80% de los veranos que resultan
lluviosos, y que no ser lluvioso en el 90% de los
veranos que resultan no lluviosos. Si el 25% de los
veranos son lluviosos, la probabilidad de que
pronostique que el prximo verano va a llover es:

P(lluvioso) = 0,25 x 0,80 + 0,75 x 0,10 = 0,275

Teorema de Bayes
P( E k ) P( E \ E k )
P( E k \ E )
P ( E i ) P ( E \ E i )

Ejemplo:
Si el meteorlogo del ejemplo anterior ha
pronosticado que el prximo verano ser
lluvioso, la probabilidad de que sea lluvioso
es:

P = (0,25 x 0,80)/(0,25 x 0,80 + 0,75 x 0,10) = 0,7273

Tabla para clculo de
probabilidades

Lluvioso No lluvioso

Pronostique lluvioso 0,8 25=20 75-67,5=7,5 20+7,5=27,5

Pronostique no
25-20=5 0,9 75=67,5 5+67,5=72,5
lluvioso
25 75 100

P(lluvioso) = 20 + 7,5 = 27,5% = 0,275

P(lluvioso\pronostica lluvioso) = 20/27,5 = 0,7273 = 72,73%

Contenido del curso
1. Probabilidades
2. Introduccin a la Estadstica
3. Estadstica descriptiva
4. Distribuciones de probabilidad
Distribuciones discretas
Distribuciones continuas
5. Pruebas de bondad de ajuste
Estadstica: definicin
Es la ciencia que recopila, clasifica, presenta,
describe e interpreta conjuntos de datos.
Generalmente se ocupa de estudiar
fenmenos aleatorios.
Es una ciencia que ha llegado a emplearse
en casi todas las ciencias.
Estadstica: conceptos
bsicos
Poblacin o universo: conjunto de datos
cuyas propiedades se van a estudiar.
Muestra: conjunto de datos seleccionados de
un universo de tal manera que refleje sus
caractersticas.
Muestra probabilstica: aleatoria simple,
estratificada, por conglomerados (monoetpica o
polietpica).
Muestra no probabilstica: por juicio o por
conveniencia.
Estadstica: tipos
Estadstica descriptiva
Se encarga de recopilar, clasificar, presentar y
describir un conjunto de datos.
Como generalmente las poblaciones son muy
grandes, se analizan muestras.
Estadstica inferencial
Se encarga de interpretar los datos descritos
antes. De las muestras analizadas saca
conclusiones para el universo, lgicamente con
ciertos mrgenes de incertidumbre que pueden
ser cuantificados.
Contenido del curso
1. Probabilidades
2. Introduccin a la Estadstica
3. Estadstica descriptiva
4. Distribuciones de probabilidad
Distribuciones discretas
Distribuciones continuas
5. Pruebas de bondad de ajuste
Medidas descriptivas
De tendencia central
Media aritmtica
Mediana
Moda
De variabilidad
Amplitud
Desviacin media
Varianza
Desviacin estndar
Coeficiente de variacin
Medidas descriptivas
Medidas descriptivas de posicin
Cuartiles
Percentiles
Medidas descriptivas de forma
Asimetra
Curtosis
Medidas descriptivas en Excel
Con las funciones de Excel
Medida descriptiva Funcin de Excel
Media aritmtica PROMEDIO
Mediana MEDIANA
Moda MODA
Varianza (muestra) VAR
Varianza (poblacin) VARP
Desviacin estndar (muestra) DESVEST
Desviacin estndar (poblacin) DESVESTP
Cuartil CUARTIL
Percentil PERCENTIL
Coeficiente de asimetra COEFICIENTE.ASIMETRA
Curtosis CURTOSIS
Medidas descriptivas en Excel
Con la herramienta: Anlisis de Datos/Estadstica
descriptiva
Media

Error tpico

Mediana

Moda

Desviacin estndar

Varianza de la muestra

Curtosis

Coeficiente de asimetra

Rango

Mnimo

Mximo

Suma

Cuenta
Representaciones de datos
Datos no agrupados
X 72 73 74 75 76 77 78 79 80
f 1 4 2 5 3 2 1 1 1

5
4.5
4
3.5 Diagrama de barras
3
2.5
f
2
1.5
1
0.5
0
72 73 74 75 76 77 78 79 80
Representaciones de datos
Datos agrupados: precipitaciones anuales (mm)

1001 - 1051 - 1101 - 1151 - 1201 -

751 - 800 801 - 850 851 - 900 901 - 950 951 - 1000 1050 1100 1150 1200 1250

8 17 30 45 45 31 16 4 3 1

50
45
40
35
30
Histograma
25
20
15
10
5
0
751 - 801 - 851 - 901 - 951 - 1001 - 1051 - 1101 - 1151 - 1201 -
800 850 900 950 1000 1050 1100 1150 1200 1250
Contenido del curso
1. Probabilidades
2. Introduccin a la Estadstica
3. Estadstica descriptiva
4. Distribuciones de probabilidad
Distribuciones discretas
Distribuciones continuas
5. Pruebas de bondad de ajuste
Funcin de probabilidad
Definicin:
Una funcin de probabilidad de una variable
aleatoria discreta X es el conjunto de parejas
ordenadas {xi , f (xi)}.
- xi : valor que puede tomar X
- f (xi): probabilidad de que X asuma dicho valor.
- Sf (xi) = 1
Se le llama tambin: distribucin de probabilidad
 Funcin de probabilidad
Ejemplo:

x 0 1 2 3 4 5

f(x) 0,05 0,1 0,2 0,3 0,2 0,15

Funcin de Distribucin: F(x)

Funcin de probabilidad: f(x)
(acumulativa)
0,35
1,00

0,30 0,90

0,80
0,25
0,70

0,20 0,60

0,50
0,15
0,40

0,10 0,30

0,20
0,05
0,10

0,00 0,00
0 1 2 3 4 5 0 1 2 3 4 5
Distribuciones continuas
Cuando una variable aleatoria X es continua, la
funcin densidad de probabilidad f(x) permite calcular
la probabilidad de que X est comprendida en un
determinado intervalo, por ejemplo, P(a < x < b)
f(x)

a b x
 Distribucin normal
Algunas variables aleatorias, suelen tener una distribucin
normal.
Si se escoge una muestra de datos de estas variables,
stos suelen tener la distribucin que muestra el siguiente
histograma.
La forma de este histograma, simtrico y en forma de
campana, corresponde a una distribucin normal.
f(x) f(x)

Funcin densidad:
2
1 x
1
2
f ( x) e
2
x x
Propiedades de la
distribucin normal
f(x)

x
3 2 2 3
0,6826
0,9544
0,9973
Distribucin normal
Clculos con Excel:
Con la funcin DISTR.NORM se puede calcular la
probabilidad de que la variable aleatoria tome cierto
valor mximo.
x = es el valor mximo.
Media = es la media del conjunto de datos.
Desv_estndar = es la desviacin estndar del conjunto de
datos.
Si Acumulado = verdadero se calcula la probabilidad
de que la variable tome el valor mximo antes definido.
Distribucin normal
Ejemplo:
Suponga que la lluvia anual que cae en una regin es
una variable distribuida normalmente con un promedio
de 754 mm. y desviacin estndar 42 mm.
La probabilidad de que se tenga un ao con ms de 850
mm de lluvia es:
P(x > 850) = 1 P(x < 850) = 1 0,98886 = 0,01114

Calculado con Excel

La distribucin Chi-cuadrada

Su funcin densidad de probabilidad es:

( ) ( n / 2) 1
2
yk e 2 2

Se emplea en las pruebas de bondad de ajuste,

para investigar si un conjunto de datos se ajustan a
una determinada distribucin.
La variable c2 mide qu tan bueno es el ajuste.
Contenido del curso

1. Probabilidades
2. Introduccin a la Estadstica
3. Estadstica descriptiva
4. Distribuciones de probabilidad
Distribuciones discretas
Distribuciones continuas
5. Pruebas de bondad de ajuste
Pruebas de bondad de ajuste
Se usan para investigar si un conjunto de datos se ajustan a una
determinada distribucin.
Se determinan las frecuencias con que ocurren los valores que
toma la variable aleatoria que se est investigando (frecuencias
observadas).
Se determinan las frecuencias con que ocurriran los posibles
valores de la variable aleatoria en estudio, bajo la hiptesis de
que siguen una determinada distribucin (frecuencias
esperadas).
Se mide la discrepancia que hay entre las frecuencias
observadas (fi) y las frecuencias esperadas (f i), mediante:

2
m
f i f 'i 2
i 1 f 'i
Pruebas de bondad de ajuste
Si 2 (Chi cuadrado) es pequeo, entonces se
aceptar que no hay mucha discrepancia entre las
frecuencias observadas y las frecuencias que se
esperaran bajo la hiptesis de que la variable
aleatoria sigue cierta distribucin, y se aceptar que
dicha variable tiene esa distribucin.
Se dir que 2 es muy grande cuando supere un
valor crtico ( *2). Este valor crtico se calcula con
Excel mediante la funcin PRUEBA.CHI.INV,
donde:
Probabilidad = 0,05
Grados de libertad = N de frecuencias 1 N de
parmetros estimados