ESTADÍSTICA

Estadística Inferencial
 Contenidos

• Definición de Variable aleatoria

• Probabilidad de un evento

 Experimental

 Teórica

 Subjetiva

• Propiedades de las probabilidades

• Distribución de probabilidades

 Variables discretas

 Variables continuas
 Variable aleatoria
Variable aleatoria: ... sus valores no pueden ser predichos exactamente
... no siempre toma el mismo valor aunque las condiciones del experimento
se mantengan constantes.

El color de los ojos de un hijo

La concentración de una sustancia en

la sangre
 Probabilidad

Probabilidad de un evento: La frecuencia relativa con la que

puede esperarse la ocurrencia de dicho evento.

Formas en que se obtiene la

probabilidad de un evento

Empíricamente Teóricamente Subjetivamente

 Probabilidad empírica o experimental

• Esta probabilidad es la frecuencia relativa observada con la

que un evento ocurre.
 Probabilidad teórica
 Espacio muestral (S): es una lista de todos los posibles resultados del
experimento a considerar.

 Evento: es un subconjunto del espacio muestral (usualmente se usa A

para el primer evento).
 Probabilidad teórica (ejemplo)

Los seis posibles resultados de un lanzamiento

Espacio muestral para la

rodadura de un dado
𝑺 = 𝟏, 𝟐 , 𝟑, 𝟒, 𝟓, 𝟔

Considera una rodadura de un dado. Define el evento A como la ocurrencia de un

número “mayor que 4”. ¿Cuál es la probabilidad de ocurrir A?

En una rodadura de un dado, existen seis posibles resultados, lo que constituye n(S) = 6. El
evento “mayor que 4” se satisface con la ocurrencia de un 5 o un 6; por tanto, n(A) = 2. Si
se supone que el dado es simétrico y que cada número tiene una igual probabilidad de
ocurrir la probabilidad de A
𝒏(𝑨) 𝟐 𝟏
𝑷 𝑨 = = =
𝒏(𝑺) 𝟔 𝟑
 Probabilidad teórica (ejemplo)

Considera una rodadura de dos dados. Define el evento A como la ocurrencia de que
los dados sumen 2.
 Probabilidad subjetiva
• Generalmente resulta del juicio personal.

El comentarista local del clima con frecuencia

asigna una probabilidad al evento
“precipitaciones”. Por ejemplo “hoy existe un 20
% de probabilidad de lluvia

La precisión de las probabilidades subjetivas depende de la habilidad de un

individuo para valorar correctamente la situación.
 Propiedades de la probabilidad

Notas acerca de la propiedad 1

1. La probabilidad es 0 si el evento no puede ocurrir
2. La probabilidad es 1 si el evento ocurre todos las veces.
3. De otro modo, la probabilidad es un número fraccionario entre 0 y 1
 Propiedades de la probabilidad

Notas acerca de la propiedad 2

1. La lista de “todos los resultados” debe ser un conjunto no traslapante
de eventos que incluya todas las posibilidades
 Encontrar la probabilidad de no A
El complemento de un evento A, 𝐴,ҧ es el conjunto de todos los puntos
muestrales en el espacio muestral que no pertenecen al evento A.

Ejemplo: El complemento de del evento “exito” es el “fracaso”

 Distribución de probabilidades
La distribución de probabilidad de una variable aleatoria es una tabla, una
gráfica, una fórmula u otro sistema utilizado para especificar los valores
posibles de la variable junto con sus probabilidades respectivas.

Distribución Binomial
Discreta
Distribución de Poisson

Tipo de
Distribución Normal
variable

Distribución t de
Student
Continua
Distribución Chi
cuadrado

Distribución Fisher
 Distribución Binomial
James Bernoulli
(1654 – 1705)

Experimento donde sólo puede ocurrir uno de dos resultados

mutuamente excluyentes:
 Propiedades de la distribución binomial

• En cada ensayo ocurre uno de dos posibles resultados mutuamente

excluyentes. Uno de los posibles resultados se denomina arbitrariamente
como “un éxito” y el otro, como “un fracaso”
• La probabilidad de un éxito, denotada por p, permanece constante de un
ensayo a otro, y la probabilidad de fracaso es q = 1 - p
• Los ensayos son independientes, es decir, el resultado de algún ensayo en
particular no es afectado por el resultado de cualquier otro ensayo
• La probabilidad de que un resultado esperado se produzca x veces en n
ensayos, será:

 n!  x n  x
p x   x . p .q
n x n x
  p .q
 x!n  x !
 Distribución Poisson
Simeon D. Poisson
Distribución de los sucesos raros (1781 – 1840)

Aproximación de experimentos binomiales donde el número de pruebas o

ensayos (n) es muy alto, pero la probabilidad de éxito (p) es muy baja.


Donde:
 .e
x
px  
x = 0, 1, 2,....
e = 2,72 (constante)
x! λ = n.p = media de la dist. de Poisson

Aplicación: Cálculo de probabilidades si n ≥ 30 y p ≤ 0,1

 Distribución Normal o de Gauss
Carl Friedrich Gauss
(1777 – 1855)

La curva normal es un modelo matemático que representa la distribución más

frecuente de los errores en las mediciones experimentales. Es una distribución
de frecuencia para variables continuas.

• μ: media de todos los valores de la

variable o media poblacional
(posición)
• σ: desviación estándar poblacional
(aplanamiento o levantamiento)
• x: valor de la variable
 Distribución Normal o de Gauss

Características
1. Es simétrica respecto a μ
2. El área total bajo la curva
corresponde al 100 % de
probabilidad de los valores
de x
3. Es una “familia” de curvas.

μ: media de todos los valores de la variable o media poblacional (posición)

σ: desviación estándar poblacional (aplanamiento o levantamiento)
x: valor de la variable
 Distribución normal
(estándar o unitaria)

Distribución normal
con:
μ=0 y σ=1

Importancia
Es una sola curva
Es posible calcular de forma sencilla
la probabilidad de obtener valores
de la variable en un intervalo
dado.
Z: v. normalizada = (x – μ) / σ
Distribuciones asociadas a la Normal

Dependiendo del problema, podemos encontrar otras distribuciones.

• X2 (Chi cuadrado)

• t- student

• F- Fisher

Estas distribuciones resultan directamente de operar con distribuciones

normales. Típicamente aparecen como distribuciones de ciertos
estadísticos.
 T de student
 Distribución de frecuencia
para variables continuas y
muestras pequeñas (n < 30)
 Tiene un solo parámetro
denominado grados de
libertad ( θ = n-1)
 Cuando aumentan los grados
de libertad, más se acerca a la
N (0,1)Iguales propiedades
que la distribución normal.
 Chi cuadrado X2
 Mide variabilidad Es una distribución asimétrica, con el

 Es una distribución continua. máximo de probabilidades más

cercano al origen de la curva.
 Como es una suma de cuadrados, no
Para cada valor de θ existe una
toma valores negativos, por lo que
curva diferente, por lo que la
se extiende desde 0 hasta + ∞
distribución es realmente una
“familia” de curvas
 F- Fisher
 Tiene dos parámetros Ronald Fisher
(1890 – 1962)
denominados grados de
libertad

 Sólo toma valores positivos. Es

asimétrica
 Comparar medias (Prueba
de hipótesis entre
medias)

Cálculo de intervalos de
T de student
confianza

Determinación del
tamaño de la muestra
Utilidades de las distribuciones

Cálculo del intervalo de

confianza de la varianza
poblacional

Comparar varianza
Chi X
muestral con poblacional

Prueba de bondad de
ajuste

Comparación de dos
varianzas muestrales
F-Fisher
Análisis de varianza
(ANOVA)