Vous êtes sur la page 1sur 9

ESTADÍSTICA DESCRIPTIVA

GEOESTADÍSTICA

DOCENTE: Ing. Wilder Chuquiruna Chávez


INTEGRANTES:
ISPILCO QUISPE, Denis Deyser
LOZANO TIRADO, Tito
PÉREZ VENTURA, Alex
CICLO:
VIII
FECHA:
26/09/2018
1 ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA

La Estadística en el ámbito de la Ciencia y la Ingeniería


El papel de la Estadística en la Ciencia y la Ingeniería hoy en día es crucial, fundamentalmente
porque al analizar datos recopilados en experimentos de cualquier tipo, se observa en la mayoría
de las ocasiones que dichos datos están sujetos a algún tipo de incertidumbre. El investigador o
el profesional debe tomar decisiones respecto de su objeto de análisis basándose en esos datos,
para lo cual debe dotarse de herramientas adecuadas.

1. La estadística descriptiva
Obtenidos a través de encuestas, experimentos o cualquier otro conjunto de medidas, los datos
estadísticos suelen ser tan numerosos que resultan prácticamente inútiles si no son resumidos
de forma adecuada. Para ello la Estadística utiliza tanto técnicas gráficas como numéricas.
2. Tipos de datos
Los datos (o variables) pueden ser de dos tipos: cuantitativos y cualitativos.
Los datos cuantitativos son los que representan una cantidad reflejada en una escala numérica.
A su vez, pueden clasificarse como datos cuantitativos discretos si se refieren al conteo de alguna
característica, o datos cuantitativos continuos si se refieren a una medida.
Los datos cualitativos o categóricos se refieren a características de la población que no pueden
asociarse a cantidades con significado numérico, sino a características que sólo pueden
clasificarse.
(Dr. Sáez Castillo, 2012)

Las mediciones de interés, (ejemplo: la corriente en el alambre de cobre), pueden representarse


con una variable aleatoria.
Es razonable modelar el rango de los valores posibles de la variable aleatoria con un intervalo
(finito o infinito) de números reales.

3. Variable aleatoria
La función que asigna números o valores a cada uno de los elementos del espacio muestra con
una probabilidad definida, se denomina variable aleatoria.
El espacio de muestra es el dominio de la función y el conjunto de valores que la variable puede
tomar es el rango de la función.
Si el rango de X es el conjunto de números enteros Z o un subconjunto de Z, la variable aleatoria
se llama variable aleatoria discreta, y si el rango es el conjunto de números reales, R, o un
subconjunto de R, la variable aleatoria se llama variable aleatoria continua. Son ejemplos de
variables aleatorias continuas: la estatura, el peso, la edad, el volumen, el pH, etc. Algunos
ejemplos de variables discretas son: el número de alumnos en una clase, el número de
accidentes de automóvil, número de piezas defectuosas por lote, etc.

La probabilidad de un suceso es un número comprendido entre 0 y 1

4. Distribución de variables aleatorias continuas


Una función f(x) es una función de densidad de probabilidad, fdp, de la variable aleatoria
continua X, si para cualquier intervalo de números reales [a,b], se tiene:
2 ESTADÍSTICA DESCRIPTIVA

Es decir, la probabilidad P(a ≤ X < b) es el área sombreada de la gráfica de f(x), para las líneas
verticales x = a y x = b. Esta área da la probabilidad de que X se encuentre entre a y b.

P(a < X < b) = P(a ≤ X < b) = P(a < X ≤ b) = P(a ≤ X ≤ b)


Esto es, se puede incluir o excluir los signos de igualdad en estas expresiones sin cambiar la
probabilidad.

5. Distribución Normal, distribución de Gauss, distribución gaussiana o distribución


de Laplace-Gauss
La distribución normal es la más importante distribución en el estudio de la estadística, debido a
que son muchos los fenómenos que son normalmente distribuidos. Esta distribución fue
desarrollada el siglo pasado por el matemático alemán Karl F. Gauss.
Si X tiene una distribución normal, con promedio μ y varianza σ2, su fdp es:

La fdp de la distribución normal se abrevia diciendo que X es N(μ, σ2 )


El gráfico de f(x) es la bien conocida curva de campana o curva de Gauss mostrada en las
figuras:

Algunas propiedades de la distribución normal son las siguientes:

1. Es simétrica respecto de su media, μ.

2. La moda y la mediana son ambas iguales a la media, μ.

3. Los puntos de inflexión de la curva se dan para x= μ- σ y x= μ+σ


3 ESTADÍSTICA DESCRIPTIVA

4. Distribución de probabilidad en un entorno de la media:

1. en el intervalo [μ – σ, μ + σ] se encuentra comprendida, aproximadamente, el


68,26% de la distribución;

2. en el intervalo [μ – 2σ, μ + 2σ] se encuentra, aproximadamente, el 95,44% de la


distribución;

3. por su parte, en el intervalo [μ – 3σ, μ + 3σ] se encuentra comprendida,


aproximadamente, el 99,74% de la distribución. Estas propiedades son de gran
utilidad para el establecimiento de intervalos de confianza. Por otra parte, el
hecho de que prácticamente la totalidad de la distribución se encuentre a tres
desviaciones típicas de la media justifica los límites de las tablas empleadas
habitualmente en la normal estándar.

En general, se dice que X es N(μ,σ2 ) y se quiere determinar:

(2)

La media μ mide la ubicación de la distribución y la desviación estándar σ mide la dispersión.

Si en la ecuación (2) hacemos que z = (x-μ)/σ tal que x = μ +σ z y dx/dz = σ , (dx =σ dz) se tiene
que:

En Tablas aparecen tabulados los valores de esta integral para una distribución N(0,1), (Función
Estándar de Distribución Normal) representada por:
4 ESTADÍSTICA DESCRIPTIVA

Distribución normal estándar N (0, 1)

La distribución normal estándar, o tipificada o reducida, es aquella que tiene por media el valor
cero, µ =0, y por desviación típica la unidad, σ =1.

La probabilidad de la variable X dependerá del área del recinto sombreado en la figura. Y para
calcularla utilizaremos una tabla, que se encuentra al final de este repartido.

Tipificación de la variable

Si X es una variable aleatoria normal con media μ y varianza σ2, entonces:

es una variable aleatoria normal con media cero y varianza 1. La variable aleatoria Z se denomina
variable normal estándar.

Las áreas bajo la curva normal entre z = -∞ y un valor cualquiera de z, definen la probabilidad
de algún evento.

Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribución N(µ,
σ) en otra variable Z que siga una distribución N(0, 1).

Cálculo de probabilidades en distribuciones normales

La tabla (al final de este repartido) nos da las probabilidades de P(Z ≤ z), siendo Z la variable
tipificada. Estas probabilidades nos dan la función de distribución Φ(Z).

Φ(z) = P(Z ≤ z)

En la tabla de valor de z se ubican las unidades y décimas en la columna de la izquierda y las


centésimas en la fila de arriba.
5 ESTADÍSTICA DESCRIPTIVA

Esta tabla nos proporciona la probabilidad desde que ocurran sucesos menores que z.

CASOS:

1.

2.

3.
6 ESTADÍSTICA DESCRIPTIVA

4.

5.

6.

7.
7 ESTADÍSTICA DESCRIPTIVA

Ejemplo 1: El peso promedio de mineral en un camión es de 25 toneladas, según se ha


determinado de los pesos netos de mineral en 100 camiones muestreados. La desviación
estándar es 5 ton. Suponiendo que la variable peso de camión está distribuida normalmente, a)
¿Cuántos camiones contienen entre 20 y 30 toneladas de mineral, b) ¿Cuántos camiones
contienen más de 40 toneladas?

Se considera que μ = 25 ton y σ2 = 5 ton.; luego:

a. P(20<X<30) = P((20-25)/5 < Z < (30-25)/5) = P(-1< Z <1)


= P(Z<=1) - P(Z<= -1)
= P(Z<=1) – P(Z>1)
= P(Z<=1) – [1- P(Z<=1)]
= φ (1) - [1 - φ (1)]
= 0.8413 - (1 - 0.8413) = 0.6826

Entonces ~ 68 camiones contendrán entre 20 y 30 toneladas de mineral

b. P (X > 40) = P(Z > (40-25)/5) =P(Z > 3)


= 1 – P(Z<=3)
= 1 - φ (3) = 1 - 0.9987 = 0.0013

~0 camiones contienen más de 40 ton

Ejemplo 2: La media de los diámetros interiores de una muestra de 200 arandelas producida por
una máquina es de 0.502 pulgadas y la desviación estándar 0.005 pulgadas. El propósito para
el que se destinan estas arandelas permite una tolerancia máxima de en el diámetro de 0.496 a
0.508 pulgadas, de otro modo las arandelas tienen que desecharse. Determinar el porcentaje de
arandelas de desecho producidas por la máquina, suponiendo que los diámetros se distribuyen
normalmente.

μ = 0.502 pulg. y σ2 = 0.005 pulg.;

tolerancia arandelas: [0.496;0.508]

% arandelas de desecho: ?

= 1 – P(0.496 < X < 0.508)

= 1 – P((0.496-0.502)/0.005 < Z < (0.508-0-502)/0.005)

= 1 – P(-1.2 < Z < 1.2)

= 1 – {P(Z<=1.2 – P(Z<= -1.2)}

= 1 – {P(Z<=1.2 – P(Z>1.2)}

= 1 – {P(Z<=1.2 – [1 - P(Z<=1.2)]}

= 1 – {φ (1.2) – [1 - φ (1.2)]}

= 1 – [0.8849 – (1 – 0.8849)]

= 1 – 0.7698 = 0.2302

Rpta.: 23.02%
8 ESTADÍSTICA DESCRIPTIVA

Tabla A: Distribución Normal Standard = Áreas bajo la Curva Normal