Documente Academic
Documente Profesional
Documente Cultură
Departamento de Ciencia Básicas
Facultad de Educación a Distancia y Virtual
Programa Administración en Salud
Curso Estadística II
Unidad 1
Tema 1
CONCEPTOS DE ESTADISTICA INFERENCIAL Y PROBABILIDAD
Marco Tulio Vargas Ramirez
2015 II
INTRODUCCIÓN
Estadística Inferencial Y Probabilidad. Rama de la estadística que estudia el
comportamiento y propiedades de las muestras y la posibilidad y límites de la
generación de los resultados obtenidos a partir de aquellas poblaciones que
representan. Esta generalización de tipo inductivo, se basa en la probabilidad.
“La inferencia estadística constituye el núcleo del método científico en
biomedicina. Por ello tanto los investigadores como sus destinatarios precisan
de conceptos estadísticos. Los primeros para diseñar el estudio de mayor
calidad con el menor número de casos y en el menor periodo de tiempo; y los
segundos para poder asimilar críticamente los resultados aportados por los
primeros”. (Erik Cobo & Gonzalez, 2007)
Variables Aleatorias Discretas y sus Distribuciones de Probabilidad
Variable Aleatoria .Una variable aleatoria es una función que asigna un
número real a cada resultado en el espacio muestral de un experimento
aleatorio.
Si a cada posible (x) resultado elemental de un experimento aleatorio, le
corresponde un elemento de los números reales en el intervalo entre cero y
uno [0 , 1] ha dicho valor se le denomina una variable aleatoria. (Caceres,
2007)
Ejemplo:
El número de camas ocupadas en un momento del día, para una sala de
obstetricia que tiene 10 camas disponibles para prestar el servicio. X: Variable
Departamento de Ciencia Básicas
Facultad de Educación a Distancia y Virtual
Programa Administración en Salud
Curso Estadística II
aleatoria que designa el número de camas ocupadas, puede tomar valores
entre 0 y 10
Solución:
X es una variable aleatoria, puesto que relaciona el número de camas
utilizadas en el servicio.
X puede tomar valores entre 0 y 10 por que puede ser que ninguna cama se
ocupe, o por el contrario se usan las 10.
Existen dos tipos de variables aleatorias las
DISCRETAS CONTINUAS
y las .
Una variable aleatoria es Discreta, si solo permite adoptar valores enteros,
Una
variable continua es aquella que puede adoptar cualquier valor en el
marco de un intervalo que ya está predeterminado. Entre dos de los valores,
siempre puede existir otro valor intermedio , susceptible de ser tomado como
valor por la variable continua.
Las variables continuas, en teoría, no se pueden
medir con absoluta exactitud : el valor que se observa depende del instrumento
empleado para la medición.
Estas particularidades diferencian a la variable continua de la variable
discreta , que solo puede adquirir un valor de un conjunto de números. Existen
separaciones entre los valores sucesivos que pueden observarse: es decir, que
no se
“llenan” con otros valores intermedios. Un hombre tiene un perro o dos
perros, nunca un perro y medio.
La Variable Aleatoria es Discreta cuando la variable solo puede tomar valores
enteros positivos.
Distribución de probabilidad de una variable aleatoria discreta.
La distribución de probabilidad para una variable aleatoria X, es una
descripción del conjunto de posibles valores de X, junta con la probabilidad
asociada a cada uno de dichos valores.
Ejemplo
Se lanzan dos dados distinguibles y se observa la suma de los puntos
obtenidos en las caras superiores.
Departamento de Ciencia Básicas
Facultad de Educación a Distancia y Virtual
Programa Administración en Salud
Curso Estadística II
X: Representa el número que resulta de la suma de los puntos. Puede tomar
valores desde 2 hasta 12.
Realizar la distribución de probabilidad.
Solución:
posibles parejas de valores :
{(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6), (3, 1), (3, 2), (3, 3), (3, 4), (3,
Espacio muestral s = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
Tenemos que la distribución de probabilidad será:
X 2 3 4 5 6 7 8 9 10 11 12
P(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/3 2/3 1/3
6 6 6
Podemos decir que la distribución de probabilidad es un resumen donde se
muestran las probabilidades de cada una de los eventos.
Función de Probabilidad.
Una función que va del conjunto
de los valores posibles de la variable aleatoria X, al intervalo recibe el
nombre de Función de Probabilidad .
Y debe satisfacer:
Ejemplo:
Hallar la función de probabilidad para el ejemplo de los dados.
Solución:
P (x) = {x+1 13−x
36 si 1≤x≤7 36 si 8≤x≤12
Departamento de Ciencia Básicas
Facultad de Educación a Distancia y Virtual
Programa Administración en Salud
Curso Estadística II
Tenemos entonces una expresión matemática que nos permite determinar el
valor de probabilidad para los distintos valores de la variable
Ejemplo:
Sea con X= 0, 1,2. Hallar
No siempre es posible determinar la función de probabilidad, expresándola
como un modelo matemático, por ello utilizamos en gran medida aproximación
a modelos ya establecidos.
Ejemplo:
En un centro hospitalario, con el objeto de planificar adecuadamente las
urgencias cardiacas, se lleva a cabo un estudio sobre el número de afecciones
cardiacas presentadas en los últimos doscientos días, obtenendoce los
siguientes resultados:
Urgencia 0 1 2 3 4 5 6
s
Cardiaca
s
Numero 10 20 30 50 40 30 20
de días
La variable aleatoria (W) de interés es el número de urgencias cardiacas
atendidas en un día en el centro hospitalario.
w(x) = {0, 1, 2, 3, 4, 5, 6}
Para determinar el valor de probabilidad para cada valor de la variable,
utilizamos la frecuencia relativa.
X 0 1 2 3 4 5 6
P(x) 0,05 0,10 0,15 0,25 0,2 0,15 0,10
Como se puede comprobar la función de probabilidad definida sobre W(x)
implica los valores posibles de X y la probabilidad de cada uno de ellos,
además se cumplen las tres condiciones necesarias en la función de
probabilidad. (Caceres, 2007)
Función de distribución acumulada de una variable aleatoria discreta
otro concepto de gran importancia en el estudio de las variables aleatorias es la
de función de probabilidad acumulativa, que se representa por F(x); es por
Departamento de Ciencia Básicas
Facultad de Educación a Distancia y Virtual
Programa Administración en Salud
Curso Estadística II
definición la probabilidad de que la variable aleatoria X, tome un valor menor o
igual a X , en la variable aleatoria discreta se puede expresar como:
i
i=j
F (x) = ∑ f (xi) = P (X≤xi)
i=1
Ejemplo
a. Construir una tabla de distribución acumulada para el ejemplo del centro
hospitalario anterior
X 0 1 2 3 4 5 6
P(x) 0,05 0,15 0,30 0,55 0,75 0,90 1
b. Calcular P (x≤4) . Al observar la tabla tenemos P (x≤4) = 0, 75 , lo cual nos
indica que existe una probabilidad de 0,75 (75%), en que se presenten 4
o menos urgencias cardiacas en un día.
c. Calcular P (x > 2) . Al observar la tabla tenemos P (x > 2) = 1 − 0, 30 , lo
cual nos indica que existe una probabilidad de 0,70 (70%), en que se
presenten más de 2 urgencias cardiacas en un día.
d. Calcular P (1≤x≤3) . Al observar la tabla tenemos P (x≤1) = 0, 15 ,
P (x≤3) = 0, 55 de donde se tiene que
P (1≤x≤3) = P (x≤3) − P (x≤1) = 0, 55 − 0, 15 = 0, 40 .lo cual nos indica que
existe una probabilidad de 0,40 (40%), en que se presenten entre 1 y 3
urgencias cardiacas en un día.
Valor esperado
Si X es una variable aleatoria, y el experimento aleatorio que determina X y la
probabilidad de un resultado de x puede ser medido por medio de una función
de probabilidad f(x), entonces el promedio de probabilidad para la experiencia
se determina como media o valor esperado de la variable aleatoria discreta
X, se denota por
Ejemplo:
Considérese la siguiente distribución de una variable aleatoria X
X 10 11 12 13 14 15 16 17 18 19
Departamento de Ciencia Básicas
Facultad de Educación a Distancia y Virtual
Programa Administración en Salud
Curso Estadística II
f(X) 0.3 0.05 0.05 0.15 0.1 0.1 0 0.05 0.2 0
X*f(x) 3 0.55 0.6 1.95 1.4 1.5 0 0.85 3.6 0
Determinar la media o valor esperado
Al realizar la suma tenemos
p
μx = Ex = ∑ xif (xi) = 13.45
Ejemplo:
Para el ejemplo se lanzan dos dados distinguibles y se observa la suma de los
puntos obtenidos en las caras superiores, podemos hallar el valor esperado.
x 2 3 4 5 6 7 8 9 10 11 12
P(x) 1/3 2/3 3/3 4/3 5/3 6/3 5/3 4/3 3/3 2/3 1/3
6 6 6 6 6 6 6 6 6 6 6
X*P(x 2/36 6/36 12/36 20/36 30/36 42/36 40/36 36/36 30/3 22/3 12/3
6 6 6
)
μx = Ex = ∑ xiP (xi) = 252
36 = 7
Tenemos que el valor esperado al lanzar los dados es 7.
Ejemplo:
Para la sala de urgencias del centro hospitalario y las afecciones cardíacas el
valor esperado es:
X 0 1 2 3 4 5 6
P(x) 0,05 0,10 0,15 0,25 0,2 0,15 0,10
X*P(x) 0 0,10 0,30 0,75 0,8 0,75 0,60
μx = Ex = ∑ xiP (xi) = 3, 3
Departamento de Ciencia Básicas
Facultad de Educación a Distancia y Virtual
Programa Administración en Salud
Curso Estadística II
Lo cual nos indica que aproximadamente 3 urgencias por afecciones cardiacas
esperan ser atendidas en la sala de urgencias por día.
VARIANZA
Al igual que en la estadística descriptiva, la Varianza mide la variabilidad de las
probabilidades respecto a la media o esperanza matemát ica.
“La varianza de una variable aleatoria es una medida de dispersión
Ejemplo:
En un punto de venta de revistas se registran las ventas diarias así:
La Venta de 30 revistas corresponde a una probabilidad del 0.3; vender 35
revistas corresponde a una probabilidad del 0.5 y vender 40 revistas
corresponde a una probabilidad de 0.2
a. ¿Cuál es la venta diaria esperada en este punto de venta?
X: número de 30 35 40
revistas
P(x). probabilidad 0,3 0,5 0,2
de ser vendidas
X*P(x) 9 17,5 8
(xi − μx)2P (x) 6,075 0,125 6,05
μx = Ex = ∑ xiP (xi) = 34, 5
El promedio de venta esperado de las revistas es de 34,5 revistas
b. Determine su desviación estándar y su interpretación
n
var(x) = σ2x = ∑ (xi − μx)2P (x) = 12, 25
i=1
A partir de la varianza podemos hallar la desviación estándar.
desv. estand(x) = σ = √σ 2
x = √12, 25 = 3, 5
Departamento de Ciencia Básicas
Facultad de Educación a Distancia y Virtual
Programa Administración en Salud
Curso Estadística II
Tenemos que el número de revistas que esperan venderse esta entre
μ − ρ≤x≤μ + ρ; esto es 31≤x≤38 revistas
Ejemplo:
Para la sala de urgencias del centro hospitalario y las afecciones cardiacas la
desviación estándar es:
X 0 1 2 3 4 5 6
P(x) 0,05 0,10 0,15 0,25 0,2 0,15 0,10
(xi − μx)2P (x) 0,544 0,529 0,2535 0,0225 0,098 0,4335 0,729
5
μx = Ex = ∑ xiP (xi) = 3, 3
n
var(x) = σ2x = ∑ (xi − μx)2P (x) = 2, 61
i=1
A partir de la varianza podemos hallar la desviación estándar.
√
desv. estand(x) = σ = σ2x = √2, 61 = 1, 6155
Tenemos que el número de casos por afecciones cardiacas esperan ser
atendidas en la sala de urgencias esta entre
μ − ρ≤x≤μ + ρ; esto es 1, 38≤x≤4, 91 afecciones cardiacas por jornada.
BIBLIOGRAFÍA
Berenson, M. L., & Levine, D. M. (1996). Estadistica Basica en Administracion .
México: Prentice Hall.
Cáceres, R. A. (2007). Estadística aplicada a las ciencias de la salud. España:
Ediciones Díaz de Santos .
Cobo, E. (2007). Bioestadística para no estadísticos. méxico: Mansson.