Presentación del curso

Probabilidad y Estadística Inferencial

Ing. Dónald Mora Jiménez
Agenda

Actividad de inicio

Lectura del programa

Conceptos básicos

Conceptos generales de la inferencia

estadística.

Teorema de Chebyshev.

Teorema del Límite Central.

Actividad de inicio
Conceptos generales Estadística: Disciplina
matemática considerada
como un conjunto de
técnicas para el análisis
de datos.
 Empecemos de lo más
básico
Estadística Probabilidad
Trata de la recopilación,
presentación, análisis y
uso de la información
Cuantifica el grado de
para resolver
confianza en un
problemas, tomar
evento de interés.
decisiones, desarrollar
estimaciones, y diseñar
y desarrollar productos y
procedimientos.
 Método estadístico
Definir
problema

Recolectar
Conclusiones
datos

Resumir y
Análisis
organizar
 Ahora…

Estadística descriptiva: Estadística inferencial:

Se ocupa de la Saca conclusiones o hace
organización, resumen y inferencias sobre una
presentación de los datos. población finita a partir de
muestras de la misma.
Esta se dedica a:
1. Ordenamiento y tratamiento
mecánico de la información
para su presentación (tablas,
gráficos).
2. Se puede aplicar a poblaciones
completas o muestras finitas.
3. Puede presentarse la
información a cualquier lector,
sea especialista o no.
Relación Entre Estadística Y
Probabilidad.

• La teoría de probabilidades es la base

de la estadística inferencial al
suministrar los elementos para medir,
analizar y minimizar los riesgos de error
presentes dentro del proceso de
inferencia.

• El proceso estadístico está

fundamentado en la inferencia que se
hace sobre una población, teniendo en
cuenta la información suministrada por
una muestra.
 Un ejemplo:

La estadística dice que cada día hay

40.000 tormentas en la Tierra donde
caen más de 17 millones de rayos con
una media de 200 por segundo y un
rango de energía entre 30 y 45 millones
de voltios

La probabilidad de morir por un rayo son

de aproximadamente 1 entre 3.000.000
Inferencia
Deducir algo o
sacarlo como
conclusión de otra
cosa.
 Algunos conceptos básicos

Datos Estadísticos
• Son conjuntos de valores referidos a una
misma característica y recogidos de tal Aleatorios
modo que puedan ser comparados,
analizados o interpretados.
• La estadística se interesa por los
fenómenos típicos o las regularidades Normales
que presentan un conjunto de datos y
trata, de determinar propiedades de ese
conjunto.
Independientes
 Algunos conceptos básicos

Muestra “n“
• Tamaño de muestra depende de la
homogeneidad que muestran los
elementos de la población y el grado de
confianza que se quiere tener en la
inferencia.
Población "N“
• Conjunto de todos los elementos o
unidades de interés para un estudio
determinado.
Sesgo
el sesgo estadístico es un error que se
detecta en los resultados de un estudio y
que se debe a factores en la recolección,
análisis, interpretación o revisión de los
datos.

Es la diferencia entre el valor de

referencia de la parte y las
mediciones de la parte realizadas
por el operador.
Algunos conceptos
básicos

Aleatoriedad
Cada elemento tiene la misma
probabilidad de ser incluído en la
muestra. El muestreo aleatorio elimina los
sesgos de selección y produce errores
aleatorios que por su naturaleza se
pueden medir utilizando modelos
probabilísticos.

Representatividad
Una muestra representativa es una
pequeña cantidad de datos que reflejan,
con la mayor precisión posible, a un grupo
más grande.
 ¿Cómo medir?
• Estratificación de las
poblaciones.
• Segmentación en porciones
específicas.
• Datos lo más cortos
posibles (tiempo).
• Revisar si las frecuencias
son consecuentes con
tamaños de muestra
mínimos.
• Nunca olvide el objetivo de
porqué mide y qué está
midiendo
• No se complique con datos
no normales
 Variables continuas y Variables
discontinuas

Son los que pueden expresarse

con tal precisión que llega un Los datos discontinuos
momento en el que es difícil (también conocidos como
distinguir entre un número y el discretos) son los que por su
siguiente. naturaleza se expresan en
cantidades fácilmente
Por ello se les llama continuos:
distinguibles unas de otras.
puede no haber divisiones o
Conviene observar que tanto los
espacios entre cualquiera de
datos nominales como los
ellos con el que le antecede o le
jerarquizados son mediciones
sucede.
de tipo discreto, mientras que
En general, las mediciones las mediciones con números
de dimensiones como peso y pueden ser discretas o
longitud dan lugar a datos de continuas. .
este tipo. .
 Teorema de
Chebyshev.

La probabilidad de que cualquier

variable aleatoria X tome un valor
dentro de k desviaciones estándar de
la media es de al menos 1 – 1/k2, es
decir:
 Más a detalle:
• Si una variable aleatoria tiene una varianza o desviación estándar
pequeña, esperaríamos que la mayoría de los valores se agrupen
alrededor de la media y viceversa

Chebyshev ofrece una estimación conservadora de la probabilidad

de que una variable aleatoria tome un valor dentro de k
desviaciones estándar de su media para cualquier número real k.
Teorema del límite Las medias de muestras
grandes y aleatorias son
central aproximadamente
normales
El teorema del límite central
Es un teorema fundamental de probabilidad y
estadística que describe la distribución de la
media de una muestra aleatoria proveniente de
una población con varianza finita.

Cuando el tamaño de la muestra es lo

suficientemente grande, la distribución de las
medias sigue aproximadamente una distribución
normal.

El teorema se aplica independientemente de la

forma de la distribución de la población.
El teorema del límite central

El tamaño que debe tener la muestra depende

de la forma de la distribución original.

Si la distribución de la población es simétrica,

un tamaño de muestra de 5 podría producir
una aproximación adecuada.

Si la distribución es asimétrica, es necesario

un tamaño de muestra más grande. Por
ejemplo, la distribución de la media puede ser
aproximadamente normal si el tamaño de la
muestra es mayor que 50.
Campana de Gauss

La distribución normal, distribución de Gauss o

distribución gaussiana es la distribución de probabilidad
de variable continua que más usaremos
 Bibliografía

• 1. Díaz Mata, A. (2013). Estadística aplicada a la administración y

la economía. México, D.F: McGRAW-HILL.
• 2. Miller, I. y. (s.f.). Probabilidad y estadística para ingenieros.
México: Prentice Hall.
• 3. Walpole, R. E. (2012). Probabilidad y estadística para
ingeniería y ciencias (Vol. 9). México: PEARSON EDUCACIÓN.
• 4. Ya-Lun, C. (2015). Análisis estadístico. Editorial
Interamericana.
 Presentación del curso
Probabilidad y Estadística Inferencial
Ing. Dónald Mora Jiménez