Instituto Politcnico Nacional

Escuela Superior de Ingeniera y Arquitectura

Unidad Ticomn
Ingeniera Geofsica
Geoestadstica
Grupo
2FM3
Prof. Magalln Diez Alfonso
Equipo:
White Narvez Jennifer Esmeralda
Ronzn Jess Rafael
Bautista Peralta Leon David
Cuellar Snchez Jos Miguel
Marco Trejo

ESTADSTICA DESCRIPTIVA
La estadistica descriptiva es la rama de las Matemticas que recolecta, presenta
y caracteriza un conjunto de datos (por ejemplo, edad de una poblacin, altura
de los estudiantes de una escuela, temperatura en los meses de verano, etc.)
con el fin de describir apropiadamente las diversas caractersticas de ese
conjunto.
Al conjunto de los distintos valores numricos que adopta un carcter
cuantitativo se llama variable estadistica.
Las variables pueden ser de dos tipos:

Variables cualitativas o categoricas: no se pueden medir numricamente

(por ejemplo: nacionalidad, color de la piel, sexo).

Variables cuantitativas: tienen valor numrico (edad, precio de un

producto, ingresos anuales).
Las variables tambin se pueden clasificar en:

Variables unidimensionales: slo recogen informacin sobre

caracterstica (por ejemplo: edad de los alumnos de una clase).

Variables bidimensionales: recogen informacin sobre dos caractersticas

de la poblacin (por ejemplo: edad y altura de los alumnos de una clase).

Variables pluridimensionales: recogen informacin sobre tres o ms

caractersticas (por ejemplo: edad, altura y peso de los alumnos de una
clase).

una

Por su parte, las variables cuantitativas se pueden clasificar en discretas y

continuas:

Discretas: slo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por
ejemplo: nmero de hermanos (puede ser 1, 2, 3...., etc., pero, por
ejemplo, nunca podr ser 3.45).

Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por

ejemplo, la velocidad de un vehculo puede ser 90.4 km/h, 94.57
km/h...etc.
Cuando se estudia el comportamiento de una variable hay que distinguir
los siguientes conceptos:

Individuo: cualquier elemento que porte informacin sobre el

fenmeno que se estudia. As, si estudiamos la altura de los ninos
de una clase, cada alumno es un individuo; si se estudia el precio
de la vivienda, cada vivienda es un individuo.

Poblacion: conjunto de todos los individuos (personas, objetos,

animales, etc.) que porten informacin sobre el fenmeno que se
estudia. Por ejemplo, si se estudia el precio de la vivienda en una
ciudad, la poblacin ser el total de las viviendas de dicha ciudad.

Muestra: subconjunto que seleccionado de una poblacin. Por

ejemplo, si se estudia el precio de la vivienda de una ciudad, lo
normal ser no recoger informacin sobre todas las viviendas de la
ciudad (sera una labor muy compleja), sino que se suele
seleccionar un subgrupo (muestra) que se entienda que es
suficientemente representativo.

Las variables aleatorias son variables que son seleccionadas al azar o por
procesos aleatorios.
RAMAS DE ESTUDIO
Para analizar las aplicaciones de la Estadstica a las distintas ciencias (fsiconaturales, humanas, sociales, econmicas, tecnolgicas,...) conviene analizar
primero los distintos campos de utilizacin de la Estadstica:
Teora de muestras.
La teora de muestras estudia las tcnicas y procedimientos que debemos
emplear para que las muestras sean representativas de la poblacin que
pretendemos estudiar, de forma que los errores en la determinacin de los
parmetros de la poblacin objeto de estudio sean mnimos.
Estadstica descriptiva.
La estadstica descriptiva es una parte de la estadstica que se dedica a analizar
y representar los datos. Este anlisis es muy bsico. Aunque hay tendencia a
generalizar a toda la poblacin las primeras conclusiones obtenidas tras un
anlisis descriptivo, su poder inferencial es mnimo y debera evitarse tal
proceder.

Teora de la estimacin.
La teora de la estimacin estadstica estudia cmo obtener informacin sobre
una poblacin, mediante muestras extradas de ella. Comprende la estimacin
puntual (a travs de estimadores) y la estimacin por intervalos (intervalos de
confianza).
Diseo de experimentos.
Los disenos de experimentos abarcan la secuencia completa de pasos tomados
de antemano para asegurar que los datos apropiados se obtendrn de modo
que permitan un anlisis objetivo que conduzca a deducciones vlidas con
respecto al problema establecido.
Contraste de hiptesis.
Un contraste de hiptesis (tambin denominado test de hiptesis o prueba de
significacin) es una metodologa de inferencia estadstica para juzgar si una
propiedad que se supone cumple una poblacin estadstica es compatible con lo
observado en una muestra de dicha poblacin. Aborda problemas como la
valoracin de uno o ms parmetros de la poblacin y tambin permite ajustar
una distribucin experimental a una terica. Un contraste de hiptesis no
establece la verdad de la hiptesis, sino un criterio que nos permite decidir si la
hiptesis se acepta o se rechaza.
Anlisis de la varianza.
El anlisis de varianza (ANOVA) es una coleccin de modelos estadsticos y sus
procedimientos asociados, en el cual la varianza est particionada en ciertos
componentes debidos a diferentes variables explicativas. El anlisis de varianza
sirve para comparar si los valores de un conjunto de datos numricos son
significativamente distintos a los valores de otro o ms conjuntos de datos. El
procedimiento para comparar estos valores est basado en la varianza global
observada en los grupos de datos numricos a comparar. Tpicamente, el
anlisis de varianza se utiliza para asociar una probabilidad a la conclusin de
que la media de un grupo de puntuaciones es distinta de la media de otro grupo
de puntuaciones.
Anlisis de regresin y correlacin.
La regresin y la correlacin son dos tcnicas estrechamente relacionadas y
comprenden una forma de estimacin. En forma ms especifica el anlisis de
correlacin y regresin comprende el anlisis de los datos muestrales para saber
que es y como se relacionan entre si dos o mas variables en una poblacin. El
anlisis de correlacin produce un nmero que resume el grado de la correlacin
entre dos variables; y el anlisis de regresin da lugar a una ecuacin
matemtica que describe dicha relacin.
Tablas de contingencia.
Abarca las tcnicas de estudio de las relaciones entre dos variables cualitativas
as como el grado de dependencia entre ellas.

Teora de la decisin.
Trata sobre la elaboracin de criterios de decisin en el marco de problemas
complejos y de carcter aleatorio. La Teora de la Decisin tratar, por tanto, el
estudio de los procesos de toma de decisiones desde una perspectiva racional.
Series temporales (procesos estocsticos).
Un proceso estocstico es un concepto matemtico que sirve para caracterizar
es una sucesin de variables aleatorias (estocsticas) que evolucionan en
funcin de otra variable, generalmente, el tiempo. Cada una de las variables
aleatorias del proceso tiene su propia funcin de distribucin de probabilidad y,
entre ellas, pueden estar correlacionadas o no.
Anlisis de ruido.
Estudia las fluctuaciones de los sistemas con el fin de valorar, controlar y
predecir su comportamiento dinmico.

TIPOS DE DISTRIBUCIONES DISCRETAS

Diremos que una variable aleatoria es discreta si su recorrido es finito o infinito
numerable.
Generalmente, este tipo de variables van asociadas a experimentos en los
cuales se cuenta el nmero de veces que se ha presentado un suceso o donde
el resultado es una puntuacin concreta.
Los puntos del recorrido se corresponden con saltos en la grfica de la funcin
de distribucin, que correspondera al segundo tipo de grfica visto
anteriormente.
Denotaremos como
a la probabilidad de que la variable aleatoria
tome el valor
Se llama funcion de probabilidad de una variable aleatoria discreta
a la
aplicacin que a cada valor de
de la variable le hace corresponder la
probabilidad de que la variable tome dicho valor:

Por definicin, deducimos que si

puede tomar la variable entonces:

son los valores que

Ya que esta suma es, en realidad, la probabilidad del suceso seguro.

Ejemplo:
En el experimento de lanzar tres monedas al aire, la aplicacin que asigna a
cada resultado el numero de cruces obtenidas es una variable aleatoria. En este
caso:

Observa que
Existen 5 tipos de distribuciones de variable discreta que son las ms
importantes, y estas son:

Distribucin binomial

Distribucin binomial negativa

Distribucin Poisson

Distribucin geomtrica

Distribucin hipergeomtrica

Distribucin Binomial
Esta distribucin se basa en el proceso de Bernoulli. Se denominan procesos de
tipo Bernoulli, a todo experimento consistente en una serie de pruebas repetidas,
caracterizadas por tener resultados que se pueden clasificar en si verifican o no
cierta propiedad o atributo, siendo aleatorios e independientes.
La distribucin binomial es una generalizacin de la distribucin de Bernoulli, a la
que puede llegarse nuevamente haciendo n = 1.
Distribucin Binomial Negativa
En estadstica, la distribucin binomial negativa, o distribucin pascal, es una
distribucin de probabilidad discreta.
Esta distribucin de variable discreta estudia el nmero de experimentos,
independientes entre si, realizados hasta la obtecin del ksimo xito. Es una
variable aleatoria que tiene una distribucin binomial negativa con parmetros
k y . Donde k es el nmero de ensayos exitosos donde acaba el experimento y
es la probabilidad de xito en un ensayo (o experimento).
Distribucin de Poisson
En teora de probabilidad y estadstica, la distribucin de Poisson expresa la
probabilidad de un nmero k de eventos ocurriendo en un tiempo fijo si estos
eventos ocurren con una tasa media conocida, y son independientes del tiempo

desde el ltimo evento.

La distribucin fue descubierta por Simon-Denis Poisson(17811840) que
public, junto con su teora de probabilidad, en 1838 en su trabajo Recherches
sur la probabilitdes jugements en matires criminelles et matire civile.
El trabajo estaba enfocado en ciertas variables aleatorias N que cuentan, entre
otras cosas, un nmero de ocurrencias discretas (muchas veces llamadas
"arribos") que tienen lugar durante un intervalo de tiempo de duracin
determinada. Si el nmero esperado de ocurrencias en este intervalo es ,
entonces la probabilidad de que haya exactamente k ocurrencias (siendo k un
entero no negativo, k = 0, 1, 2, ...).
Distribucin Geomtrica
En teora de probabilidad y estadstica, la distribucin geomtrica es cualquiera
de las dos distribuciones de probabilidad discretas siguientes:

La distribucin de probabilidad del nmero X del ensayo de Bernoulli

necesaria para obtener un xito, contenido en el conjunto { 1, 2, 3,...} o

La distribucin de probabilidad del nmero Y = X 1 de fallos antes del

primer xito, contenido en el conjunto { 0, 1, 2, 3,... }.

Cul de stas es la que uno llama "la" distribucin geomtrica, es una cuestin
de convencin y conveniencia.
Distribucin hipergeomtrica
En estadstica la distribucin hipergeomtrica es una distribucin de probabilidad
discreta con tres parmetros discretos N, d y n cuya funcin de probabilidad es:

N = Tamano de poblacin.
n = Tamano de muestra.
d = Cantidad de elementos que cumple caracterstica deseada.
x = Cantidad de xitos.