ESTADSTICA APLICADA A LAS CIENCIAS DE LA EDUCACIN ALBERTO RAMREZ GONZALEZ1

I. INTRODUCCIN A LA ESTADSTICA
1. PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD 1.1 Introducci n Con este captulo se quiere introducir a los estudiantes o investigadores de las ciencias de la educacin en el tema de la estadstica y, con ello, ilustrar el significado de los resultados que se exponen en los captulos siguientes cuando se tratan pruebas de hiptesis o cuando se determina el error de muestreo o la talla requerida para que una muestra sea representativa. Se trata entonces de conceptos fundamentales que deben ser entendidos para obtener, de mejor forma, mayores beneficios en el uso de esta ciencia al servicio de la investigacin. As, por ejemplo, podemos concluir que existe relacin significativa con un !" de confian#a, entre una variable independiente $ y otra dependiente% o, referimos que no hay diferencias significativas, con un &" de confian#a, entre un grupo control y otro experimental% o denotamos que con un error del '!" y un nivel de confian#a del " se requieren (! muestras de una poblacin% etc. Se invita al lector, por tanto, seguir num)rica o mentalmente la tem*tica expuesta a continuacin, si bien la misma puede resultar un poco et)rea en tanto no se refiere al tema educativo propiamente. +a estadstica es la ciencia que estudia las variables probabilsticas, es decir, a#arosas, aleatorias o estoc*sticas. A manera de ejemplo, si suelto un esfero, )ste siempre se cae al suelo, lo que indica que se trata de un evento determinstico, dado que siempre ocurre lo mismo. Sin embargo, si suelto en lugar del esfero una pluma, observar) que en ocasiones )sta se cae igual que el esfero, pero en otras oportunidades se eleva y vuela. ,ado que el resultado de soltar la pluma no siempre lleva a un -nico e igual resultado, decimos que es un evento probabilstico. Algunos otros eventos que regularmente reconocemos como conducentes de resultados aleatorios en nuestra vida cotidiana, incluyen el lan#ar una moneda o un dado, el tomar una carta de una baraja de naipes o as mismo el n-mero de la lotera. +os juegos de a#ar y los casinos, son ejemplos tpicos de situaciones propias de variables aleatorias. Sin embargo, la gran mayora de sucesos que ocurren en nuestros quehaceres regulares o en la educacin son tambi)n de car*cter a#aroso. .llo incluye la tasa de ingreso al sistema educativo, el resultado de un examen en el aula de clase, la cantidad de alumnos que hay por profesor, la mortalidad en un experimento longitudinal, el incremento esperado en solicitudes de ingreso a
'

/.Sc. .ducacin

una facultad, etc. .llas, como muchas otras variables educativas, est*n afectadas por muchos elementos, factores o polticas del sistema social, econmico y cultural de un pas o una regin especfica, o tambi)n por las caractersticas particulares de una institucin, la historia de un grupo de alumnos o incluso por factores netamente biolgicos como la edad, el g)nero y las caractersticas intrnsecas que nos son propias para aprender o para olvidar. .l proceso de muestreo que aplicamos cotidianamente en una investigacin, es tambi)n de car*cter a#aroso. ,e manera general, las variables que estudiamos se pueden clasificar de diferentes maneras. +as m*s importantes son0 1 1 1 Nominales o cualitativas0 variables que no pueden ser medidas como una cantidad sino como un atributo0 rojo, verde, redonda, larga, etc. Si slo tiene dos estados se conoce como binaria0 aprob2reprob. Ordinales0 se refieren a las variables que podemos ordenar dentro de un conjunto de elementos que estamos estudiando. '3, 43, 53, etc. De razones0 se trata de variables cuantitativas que pueden ser evaluadas por su magnitud o intensidad y, por tanto, pueden ser registradas num)ricamente al adquirir cualquier valor. 6or ejemplo, una calificacin, el n-mero de estudiantes de una institucin, etc. .stas variables pueden sumarse, restarse, multiplicarse o dividirse, es decir, permiten calcular ra#ones. De intervalos0 se refieren tambi)n a variables cuantitativas pero que no permiten su multiplicacin o divisin. 6or ejemplo, el C7 o capacidad intelectual de 4 sujetos no puede dividirse por cuanto su ra#n no denota cuantas veces es ms inteligente uno sobre otro. 7gual ocurre con otras pruebas que han sido normali#adas.

1.! Pro"#"i$id#d%& +a probabilidad de que un evento ocurra se define como la posibilidad de que )ste suceda dentro de un conjunto mayor de posibilidades existentes. 8eamos algunos ejemplos propios del c*lculo de probabilidades0 1 Si se lan#a una moneda la probabilidad que caiga cara 9C: es igual a0 Cara 9C: ; < ; &,! 1 Si se lan#a un dado la probabilidad que caiga uno 9=: es igual a0 =no 9=: ; '>? ; &,'??.. +a probabilidad que ocurra un evento $ es entonces igual al n-mero de posibilidades de ese evento dividido por el n-mero de posibilidades totales. 69$: ; @-mero de posibilidades del evento $ > @-mero total de posibilidades

.s as como la probabilidad que caiga cara corresponde al n-mero de veces que est* cara en la moneda 9': dividido por el n-mero de eventos en la moneda 94, cara y sello:. 7gualmente, la probabilidad que caiga uno al lan#arse el dado, resulta del n-mero de caras del dado que tienen un valor de uno 9':, dividido por el n-mero de caras en el dado 9?, en un dado corriente:. Cuando se quiere determinar la probabilidad conjunta de varios eventos posibles, se suman las probabilidades de cada uno de los eventos considerados. As, por ejemplo0 1 1 1 +a probabilidad de lan#ar un dado y obtener ' 4, corresponde a la probabilidad de obtener ' m*s la probabilidad de obtener 40 '>? A '>? ; 4>?. +a probabilidad de obtener un n-mero par 94, B ?: es la suma de las probabilidades individuales de cada uno de ellos0 '>? A '>? A '>? ; 5>?. +a probabilidad de obtener un n-mero entre ' y !0 '>? A '>? A '>? A '>? A '>? ; !>?.

Si hacemos extensivos estos conocimientos a una baraja com-n que tiene !4 cartas, en las cuales hay B pintas o figuras 9diamantes, picas, cora#ones y tr)boles:, as como B cartas para cada n-mero 9', 4, 5, B, !, ?, C, (, , '&, D, E, F:, podemos calcular diversos eventos aleatorios, cuando extraemos una carta al a#ar0 1 1 1 1 1 6robabilidad que sea un as0 B>!4 ; &,&C? .. 6robabilidad que sea una figura 9D, E o F:0 B>!4 A B>!4 A B>!4 ; '4>!4 ; &,45&C.. 6robabilidad que sea mayor a C 9(, , '&, D, E o F:0 9B>!4: x ? ; 4B>!4 ; &,B?'!.. 6robabilidad que sea mayor o igual a C 9C a F:0 9B>!4: x C ; 4(>!4 ; &,!5(B.. 6robabilidad que sea un cora#n ; '5>!4 ; &,4!

Ahora bien, cuando se trata del estudio de varios eventos consecutivos, la probabilidad de ocurrencia de un resultado particular, surge de multiplicar las probabilidades individuales. As por ejemplo0 1 Si se lan#a una moneda dos veces, el conjunto de resultados y sus probabilidades son0 '. 4. 5. B. Cara y cara 9C, C: ; < x < ; &,4! Cara y sello 9C, S: ; < x < ; &,4! Sello y cara 9S, C: ; < x < ; &,4! Sello y sello 9S, S: ; < x < ; &,4!

6or tanto, la probabilidad que caiga0 Cara 4 veces 9C, C: ; &,4! Cara ' ve# ; 9C, S: A 9S, C: ; &,4! A &,4! ; &,! Cara & veces ; &,4! 7gualmente, la probabilidad de que se lance un dado y caiga siempre uno es0 1 Si se lan#a dos veces0 '>? x '>? ; '>5? ; &,&4CC..

1 1

Si se lan#a tres veces0 '>? x '>? x '>? ; '>4'? ; &,&&B? Si se lan#a cuatro veces0 '>? x '>? x '>? x '>? ; '>'.4 ? ; &,&&&CC..y as sucesivamente

Son muchas las situaciones en educacin que podran trabajarse de forma semejante a los ejemplos previamente descritos, tal como se ilustra a continuacin0 1 .n un aula de clase hay B! alumnos, '! de ellos hombres y 5& mujeres% cu*les son las probabilidades de que al seleccionar un alumno para una exposicin sea hombre o sea mujerG Si son 4 alumnos, cu*les son las probabilidades de que ambos sean hombres o mujeres, etc.

,e hecho, situaciones m*s complejas que ser*n tema de este documento permitir*n responder preguntas de investigacin como las siguientes0 1 1 1 .xiste relacin entre la edad de los maestros y el desempeHo acad)micoG .s el desempeHo medio de un curso superior al de otroG Cu*l es la calificacin promedio de los alumnos de un colegio a partir del promedio muestralG

1.' Mu%&tr%o con ( &in r%%)*$#+#)i%nto Cuando se estima la probabilidad de un resultado particular a partir de eventos consecutivos hay que tener en cuenta si los eventos previos afectan o no las nuevas probabilidades de ocurrencia. As por ejemplo, si tomamos 4 cartas de una baraja cu*l es la probabilidad de que las dos sean asesG 1 1 Con reemplazamiento0 implica que las cartas que se van tomando regresan a la baraja y, por tanto, las probabilidades de ocurrencia individual nunca cambian0 B>!4 x B>!4 ; '?>4.C&B. Sin reemplazamiento0 implica que las cartas que se van tomando no regresan a la baraja y, por tanto, las probabilidades de ocurrencia individual s cambian0 B>!4 x 5>!' ; '4>4.?!4.

1., Di&tri"ucion%& d% Pro"#"i$id#d =na distribucin de probabilidad es una funcin que refiere la probabilidad de ocurrencia de un evento, para una variable. +as distribuciones de probabilidad se pueden tambi)n representar gr*ficamente con un diagrama de barras o mediante variables continuas y el *rea bajo la misma es igual a uno ya que incluye la suma de las probabilidades de todos los eventos posibles. Se describen a continuacin algunas de las distribuciones m*s comunes. 1.4.1 Distribucin Binomial

Descripcin +a distribucin binomial es aquella en la cual ocurren -nicamente dos eventos como por ejemplo cara y sello en una moneda o, vivo y muerto en seres vivos. 6ara estudiar esta distribucin retomemos algunos de los ejemplos previamente expuestos. Si se lan#a una moneda la probabilidad que caiga cara es igual a < y la probabilidad que caiga sello tambi)n es <. Ir*ficamente podemos representar estos valores de la siguiente manera0
&,? &,! &,B &,5 &,4 &,' & Cara E-%nto& Sello P r o " #

Cuando se lan#a la moneda 4 veces, ya hemos visto previamente que los eventos posibles y sus probabilidades son0 cara 4 veces ; &,4!% cara ' ve# ; &,!% cara & veces ; &,4!. .ste resultado se representa en forma gr*fica como0
&,? &,! &,B &,5 &,4 &,' & & ' N.)%ro d% c#r#& 4 P r o " #

Si repetimos este procedimiento para 5 lan#amientos de la moneda, y resolvemos el ejercicio de la misma forma que se ilustr previamente, se encuentra que el n-mero de veces que cae cara y sus probabilidades respectivas son0 cero veces ; &,'4!% una ve# ; &,5C!% dos veces ; &,5C!% tres veces ; &,'4!. +a representacin gr*fica correspondiente es la siguiente0

&,B &,5 &,4 &,' & & ' 4 P r o " #

N.)%ro d% c#r#&

+os ejercicios anteriores han podido desarrollarse de manera f*cil gracias a que se ha supuesto un n-mero pequeHo de lan#amientos de la moneda, pero, no obstante, este procedimiento sera en extremo tedioso e impr*ctico si se pretendiese calcular para '&, !& '&& lan#amientos de la moneda. 6ara tales casos, conviene emplear la formula que describe a la funcin de la distribucin binomial definida como0 P ; NJ 9 N K X :J X J p X qN K X

9x:

,onde0

p0 .s la probabilidad de )xito u ocurrencia del evento deseado 9.j. p ; &,!% cara: q0 .s la probabilidad de fracaso 9.j. q ; ' L p ; &,!% sello: @0 @-mero de eventos estudiados 9.j. @-mero de veces que se lan#a la moneda: $0 @-mero de veces que ocurre el evento estudiado 9.j. Cara cae &, ', 4, 5... veces: 69$:0 6robabilidad de que ocurra un evento 9.j. Cara &, ', 4, 5... veces:

6ara comprobar el desempeHo de la frmula anterior, asumimos tres lan#amientos de la moneda y comparamos estos valores con los previamente referidos. +os par*metros de referencia para este ejemplo son0 p ; &,!% q ; &,!% @ ; 5% $ ; &, ', 4 y 5 caras. +uego, la probabilidad de que ocurra cara &, ', 4 y 5 veces respectivamente es0 P P P 9 x ;&: 9 x ;': 9 x ;4:

; 5J ;

&,! & &,! 5K& ; &,'4! 95 K &:J &J 5J &,!'&,! 5K' ; &,5C! 95 K ':J 'J 5J &,! 4 &,! 5K4 ; &,5C! 95 K 4:J 4J

5J P ; &,!5&,!5K 5 ; 9 x ;5: &,'4! 95 K 5:J 5J 6odemos observar que los resultados son id)nticos a los previamente calculados. Cabe referir que el supuesto establecido de p ; q ; &,! quiere decir, que asumimos se trata de una moneda que no est* cargada y da iguales posibilidades a cada lado. Aun as, el ejercicio anterior podra reali#arse con otros par*metros como p ; &,5 y q ; &,C, , p ; &, y q ; &,' u otros valores. Maciendo una extensin de la funcin binomial, si se lan#a la moneda '& veces se obtienen las siguientes probabilidades0 No. d% C#r#& Pro"#"i$id#d & &,&&&

y la gr*fica que representa estos resultados es la siguiente0

&,5 &,4! &,4 &,'! &,' &,&! & & ' 4 5 B ! ? C ( '& P r o " #

N.)%ro d% c#r#&

Se observa que la distribucin estudiada semeja una forma de campana a medida que aumenta el n-mero de lan#amientos de la moneda. Cabe referir que en una distribucin binomial el valor esperado E X! es igual a Np, por lo que en este -ltimo ejercicio .9$: ; @p ; '& x &,! ; !, valor que indica que si lan#amos la moneda '& veces, esperamos que caiga cara ! veces en ra#n a que las probabilidades para cara y sello son iguales. Como se ilustra en la gr*fica anterior, el valor esperado expone la mayor probabilidad de ocurrencia. .llo no quiere decir que si lan#amos la moneda '& veces siempre caer*n ! caras, ya que los dem*s resultados tambi)n tienen alguna probabilidad de acontecer. As, la probabilidad de que el resultado final sea B caras es &,4&! 9igual que ? caras:, 5 caras &,''C 9igual que C caras: y as sucesivamente.

.ntonces, si repiti)semos cientos de veces el ejercicio de lan#ar la moneda '& veces, el valor promedio sera ! caras y ! sellos. .n la figura anterior se observa que en el *rea central se locali#an los resultados de mayor probabilidad. Si tales resultados se expanden desde el centro hacia los dos costados se puede calcular la probabilidad conjunta de ellos0
E-%nto Cara ! veces Cara B, ! ? veces Cara de 5 a C veces Cara de 4 a ( veces Cara de ' a veces Cara de & a '& veces

.s decir que, aproximadamente en el ?!,?" de los lan#amientos caer*n B, ! ? caras, en el ( " 5, B, !, ? C caras, y as para las dem*s expansiones. @tese que los valores de probabilidad se pueden expresar porcentualmente multiplic*ndose por cien0 1 1 1 1 1 1 & '& 9caras o sellos: N &,'" ' 9caras o sellos: N '" 4 u ( 9caras o sellos: N B" 5 C 9caras o sellos: N '4" B ? 9caras o sellos: N 4& L 4'" ! 9caras o sellos: N 4!"

.n estadstica regularmente es importante conocer los resultados que acaecen en un , ! &" de las situaciones, los cuales corresponden a resultados t"picos o esperados en una prueba de azar% tal es el caso, por ejemplo, de que caigan entre 4 y ( caras, y cuya probabilidad es &, C( 9 C,(" de posibilidad de que ello ocurra:. Cuando un resultado particular cae por fuera de dicho rango, se considera que es at"pico porque su ocurrencia es muy poco probable en una prueba cotidiana% este es el caso de que caigan &, ', '& caras, y cuya probabilidad es &,&44 94,4" de posibilidades:. As, si lan#amos la moneda '& veces y obtenemos 4, 5, B, !, ?, C u ( caras, consideramos que cualquiera de estos resultados es esperado o tpico% no as, si caen &, ', '& caras, lo que nos llevaran a concluir que la moneda est* cargada, es decir, no tiene igual probabilidad de ocurrencia para cara y sello 9p O q O &,!:. Al aseverar esto, podemos estar cometiendo un error igual a 4,4". 6artiendo de la frmula previamente expuesta correspondiente a la distribucin binomial, repetimos los c*lculos para 5& lan#amientos y buscamos cu*les son los resultados tpicos y atpicos para un valor prximo al !" de las probabilidades.

6ara ilustrar ello, repetimos el ejercicio con 5& lan#amientos lo que nos lleva a las siguientes probabilidades por evento, as como a las probabilidades conjuntas expandiendo desde el valor esperado 9@p ; 5& x &,! ; '!:0
N.)%ro d% C#r#& & ' 4 5 B ! ? C ( '& '' '4 '5 'B '! '? 'C '( ' 4& 4' 44 45 4B 4! 4? 4C 4( 4 5&

+a gr*fica siguiente ilustra la distribucin binomial para el ejemplo en desarrollo.

&,'? &,'B &,'4 &,' &,&( &,&? &,&B &,&4 & & ' 4 5 B ! ? C ( '& '' '4 '5 'B '! '? 'C '( ' 4& 4' 44 45 4B 4! 4? 4C 4( 4 5&

P r o " #

N.)%ro d% c#r#&

,e acuerdo a estas probabilidades, aproximadamente el ? " de los resultados tpicos est* entre '& y 4& caras, por lo que eventos diferentes ser*n considerados como at"picos con una probabilidad de error del B". 6or lo anterior, si lan#amos una moneda 5& veces y caen ' caras, podemos concluir con un ?" de confian#a que se trata de un resultado caracterstico para una moneda no cargada% no as, si caen, por ejemplo 4' caras. .l procedimiento anterior puede proyectarse a cualquier n-mero de lan#amientos de la moneda o cualquier distribucin binomial 9hombre 2 mujer% presente 2 ausente% aprobado 2 reprobado: a partir de cualquier valor de p y de q 9dado que p A q ; ':. As, por ejemplo0 1 1 Si en un curso hay (& alumnos aprobados y 4& reprobados, cu*l es la probabilidad de que una muestra de '! individuos contenga &, ', 4,.. '! aprobadosG Cu*l es el rango que define el !" de resultados m*s probablesG

.s evidente que la frmula de la distribucin binomial nos ayuda a resolver estos ejercicios, pero los mismos siguen siendo engorrosos ya que se debe construir una nueva distribucin de probabilidad para cada caso particular, para luego s encontrar las probabilidades tpicas o m*s probables 9 !" u otro valor:. 6ara simplificar estos ejercicios se puede, sin embargo, acudir a otras distribuciones de probabilidad y a generalidades estadsticas ya expuestas y tabuladas en tablas, que se expondr*n posteriormente.

Aplicaciones con Excel +os ejercicios previamente descritos u otros, se pueden resolver mediante las ayudas estadsticas del programa .xcel. 6APA .++Q S. =R7+7SA +A S7I=7.@R. S.C=.@C7A ,. CQ/A@,QS0 #bique el cursor en la celda donde quiere obtener el resultado $ %x $ Estad"stica $ D&S'()*&NO+) ,lene la ventana de dilogo que all" aparece$ -ceptar.
N.)/01ito& En&#(o& Pro"/01ito Acu)u$#do

DISTR.BINOM. Devuelve la probabilidad de una variable aleatoria discreta siguiendo una distribucin binomial) .jemplo0 se quiere conocer la probabilidad de obtener '! caras si se lan#a la moneda 5& veces, dado que las probabilidades de cara y sello son iguales 9p ; q ; &,!:.
N.)/01ito& En&#(o& Pro"/01ito Acu)u$#do N.)/01ito& En&#(o& Pro"/01ito Acu)u$#do

.l primer resultado &,'BBB?BB! nos indica la probabilidad individual de ocurrencia del evento 9Acumulado0 Talso: mientras que en el segundo caso, &,!C445444 indica las probabilidades acumuladas desde & hasta '! caras 9Acumulado0 8erdadero:. #bique el cursor en la celda donde quiere obtener el resultado $ %x $ Estad"stica $ *&NO+)C(&') ,lene la ventana de dilogo que all" aparece$ -ceptar.
En&#(o& Pro"/01ito A$2#

BINOM. RIT. Devuelve el menor valor cu/a distribucin binomial acumulativa es ma/or o igual que un valor de criterio)

.jemplo0 se lan#a la moneda 5& veces 9p ; q ; &,!: y se quiere determinar cu*ntas caras ocurren cuando se expande desde el mayor valor 95& caras: hacia los menores, hasta alcan#ar el !" de las probabilidadesG
En&#(o& Pro"/01ito A$2#

.l valor de alfa significa la probabilidad con la cual estamos resolviendo la pregunta% as, para !" de confian#a o &, ! de probabilidad, el valor de alfa es &,! 9'2&, !:. ,e igual forma, para " de confian#a alfa es &,&' y para &" es &,'&. .l resultado de '' caras seHala que el !" de los resultados tpicos se encuentra entre '' y 5& caras si se expandiese desde el extremo mayor y no desde el centro o valor esperado. ,e igual modo, el lector podr* comprobar que para B& lan#amientos se alcan#a tal valor en '! caras y para '& lan#amientos en 4. E!emplo resuelto '. .l conjunto de colegios de una localidad responde a (&" p-blicos y 4&" privados. Si se toma una muestra de 4& colegios, responda las siguientes preguntas0 a. b. c. d. Cu*l es el valor esperado para colegios privadosG Cu*l es la probabilidad de obtener ? colegios privadosG Cu*l es la probabilidad de obtener ? m*s colegios privadosG Cu*l es la probabilidad de obtener entre ? y ( colegios privadosG

Solucin. a. .9$: ; @p ; 4& x &,4 ; B Se espera obtener B colegios privados. b. =sando la herramienta de .xcel se tiene que0
N.)/01ito& En&#(o& Pro"/01ito Acu)u$#do

c. +a probabilidad de obtener ? o m*s colegios privados corresponde a la suma de las probabilidades0 ?, C, (,.. hasta 4&. Se repite entonces el procedimiento anterior para los eventos ? a 4& y se obtienen las probabilidades individuales de cada uno de ellos. +a suma de todas las probabilidades calculadas da la solucin buscada.

E-%nto Pro"#"i$id#d E-%nto Pro"#"i$id#d

&,'&

'x'&2?

d.

.s igual a0 69?: A 69C: A 69(: ; &,'& A &,&!B A &,&44 ; &,'(!(

E!emplo propuesto =n curso particular en matem*ticas anuncia que garanti#a una eficiencia del (!" en aprobacin de sus alumnos. Si tomamos una muestra de !& individuos, a: Cu*l es el valor esperado de alumnos aprobadosG b: Cu*l es la probabilidad de que todos sean aprobadosG c: Cu*l es la probabilidad que por lo menos B( sean aprobadosG d: Cu*l es la probabilidad de que hayan B! aprobados o menosG Pespuestas0 a: B4,!% b: &,&&&4 % c: &,&'B'(% d: &,((C( 1.4." Distribucin Normal o # Descripcin =na distribucin de gran ayuda como extensin de la binomial es la distribucin normal o distribucin 0, tambi)n conocida como campana de Iauss. +a distribucin binomial que es discreta, se aproxima a la normal que es continua, cuando @p U ! y @q U !. .n tales casos, el promedio 91: es igual a Np 9ya se haba referido previamente como el valor esperado: y la varian#a 9V2: es igual a Npq. .l promedio es una medida central o punto de encuentro entre los valores altos y bajos, mientras que la varian#a es una medida de dispersin que indica la variabilidad de los datos. +a ecuacin que describe la distribucin normal es la siguiente0 ' K 9 X K W :4 > 4V 4 P ; e 9X: 4XV 4 Con el propsito de comparar el desempeHo de la distribucin normal frente a la binomial, emplearemos esta funcin para resolver el ejemplo previamente resuelto de 5& lan#amientos de la moneda. 6ara ello se verifican, en primer lugar, las cuantas de Np y Nq0 @p ; 5& x &,! ; '!% @q ; 5& x &,! ;'!% dado que ambas cuantas son mayores a !, se puede aproximar la distribucin normal a la binomial, en cuyo caso el promedio y la varian#a son0 W ; 5& x &,! ; '! % VY ; 5& x &,! x &,! ; C,!. Peempla#ando estos valores en la ecuacin anterior para $ ; &, ', 4, 5, hasta 5&, se obtienen las probabilidades de ocurrencia de cada evento. A manera de ejemplo, se expone el c*lculo para $ ; '!, junto con el conjunto de resultados0

' 9 X ;'!: ; 4 Z5,'B'? Z C,!

K9'!K'! :4 > 94Z C ,! :

; &,'B!?

+as probabilidades encontradas por las dos distribuciones son claramente similares y, as mismo, se reconoce que aproximadamente el !" de ellos est* entre '& y 4& caras, rango semejante al observado en la distribucin binomial y que aglomera los resultados tpicos. +a siguiente gr*fica representa la distribucin normal y ntese que a diferencia de la anterior, representa una variable continua 9lnea: y no discreta 9barras:, lo cual indica que podemos hallar,

por ejemplo, la probabilidad de obtener '!,5(C?!.. caras.

0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 P r o b a

Evento

,emostrada la similitud entre una y otra distribucin, podemos emplear la normal en reempla#o de la binomial, aunque el procedimiento expuesto es igualmente laborioso. .xiste, sin embargo, una metodologa m*s sencilla que se fundamenta en la 'abla 0, la cual ya trae tabulados las diversas probabilidades para una variable estandari#ada con W ; & y V4 ; ' 9Rabla ':. .sta tabla describe el *rea o probabilidad de uno solo de los lados de la curva% por ello, si se busca el !" de los valores tpicos o m*s probables debe locali#arse el valor0 &,BC! 9&,! 2 &,&4!:. +os siguientes ejemplos describen el empleo de la tabla '. a: Cu*les son los valores de S que definen el !" de los eventosG b: Cu*les son los valores de S que definen el &" de los eventosG c: Cu*les son los valores de S que definen el " de los eventosG a: Como se refiri previamente se busca &,! L &,&4! ; &,BC!. .l interior de la tabla tiene las probabilidades o *reas, mientras que la primera columna 9enteros y decimales: y la primera fila 9centesimales:, representan el valor de S. 6or tanto, se busca en el interior &,BC! o el valor m*s prximo a )l, que en este caso corresponde con S ; ', ?. ,e este modo, los valores de S comprendidos entre L', ? y A', ?, definen el !" de los resultados m*s probables. b: 6ara hallar el rango de S que define el &" buscamos0 &,! 2 &,&! ; &,B!, cuyos valores correspondientes son0 2',?B a A',?B 9tambi)n pueden ser L',?! a ',?!:. c: 6ara " se busca0 &,! 2 &,&&! ; &,B !, y cuyo rango correspondiente es L4,!C a A4,!C.

T#"$# 1. Di&tri"uci n d% 2r%cu%nci# nor)#$ #cu)u$#d# 34r%# "#5o $# cur-# nor)#$ %&t4nd#r d% 6 # Z7. 686 681 68! 68' 68, 689 68: 68; 68< 68= 186 181 18! 18' 18, 189 18: 18; 18< 18= !86 !81 !8! !8' !8, !89 !8: !8; !8< !8= '86 '81 '8! '8' '8, '89 '8: '8=

6or lo anterior, en una distribucin normal el &" de los eventos m*s probables siempre se encuentra entre S [ ',?B% el !" entre [ ', ?% y el " entre [ 4,!C 9siendo sim)trica la curva con respecto al promedio:. 6or fuera de este rango se trata de resultados at"picos.

=9 >

L', ?

&

', ?

Conociendo el manejo de la tabla y los valores de S que definen los resultados m*s probables, podemos retomar el ejercicio de la moneda para ver lo f*cil que resulta su aplicacin. +a misma se fundamenta en la conversin de la variable de estudio X a la variable 0 mediante la siguiente expresin0 X KW 0;

.jemplo0 si lan#o la moneda 5& veces deseo establecer si los resultados son tpicos 9 !" de eventos m*s probables: o atpicos cuandoG a. Qbtengo 'C caras b. Qbtengo ' caras c. Qbtengo 4' caras a. Como se haba calculado previamente para 5& lan#amientos, el promedio W ; @p ; '! y la varian#a VY ; @pq ; C,!, por lo que la desviacin est*ndar 9V: es C,! ; 4,CB. Se reempla#an estos valores en la frmula de tal modo que la variable $ se transforma en S0 'C K '! 0 ; 4,CB ; &,C5 . \a que el valor de S est* entre [ ', ?, el resultado es tpico

b. 6ara ' caras0

' K '! ; ',B? . .l resultado es tpico

0 ; 4,CB c. 6ara 4' caras0

4' K '! 0 ; 4,CB ; 4,' . .l resultado es atpico

.s decir que, en forma muy simple podemos determinar si un resultado particular es tpico o atpico sin necesidad de construir toda la distribucin de probabilidad y, adem*s, sin tener que acumular la misma para determinar donde se ubica el !" de los valores m*s probables. Si en el ejemplo anterior reempla#amos los valores de S [ ', ? y despejamos $, podemos, en sentido inverso, conocer el n-mero de caras 9o sellos: que cobija el !" de valores m*s probables0 X ;0V AW +uego0 $' ; ', ? x 4,CB A '! ; 4&,5C

$4 ; 2', ? x 4,CB A '! ; ,?5 6or tanto, si la moneda cae entre N'& y N 4& caras 9o sellos: cuando se reali#an 5& lan#amientos, aceptamos que se trata de resultados tpicos, o lo que es igual, que la moneda no est* cargada, es decir, la probabilidad de cara es igual a la de sello, igual a <. .ste resultado es similar al encontrado previamente por diversas vas. =na ve# conocido tal rango, podemos en forma instant*nea definir si un resultado es tpico o no sin necesidad de reali#ar alg-n c*lculo. As, si lan#o la moneda B& veces y deseo conocer si un resultado de '4 caras es tpico o atpico, puedo concentrar mi an*lisis en conocer el rango de valores tpicos y no en respuestas particulares. Como primera medida se calculan @p y @q 9@p ; @q ; B& x &,! ; 4& U !: para confirmar que la distribucin normal se aproxima a la binomial. .n segundo t)rmino se calculan el promedio, la varian#a y la desviacin est*ndar0 W ; @p ; B& x &,! ; 4&% VY ; @pq ; B& x &,! x &,! ; '&% V ; 5,'?, y a partir de ellos se obtienen el rango de valores tpicos o !" m*s probables0 $ ; ', ? x 5,'? A 4& ; 4?,' $ ' ; 2', ? x 5,'? A 4& ; '5,('
4

6or tanto, cualquier resultado entre N 'B y N 4? caras es un evento tpico cuando se lan#a una moneda en B& oportunidades, de tal modo que un resultado de '4 caras corresponde a un valor atpico. Concluimos entonces, que con un !" de confian#a la moneda est* cargada, es decir, no da igual probabilidad a que caiga cara o sello. Como ejercicios adicionales, se pueden repetir los ejemplos anteriores para el & resultados m*s probables. " de

+a metodologa expuesta nos enseHa que no hay necesidad de calcular todas las probabilidades en cada ejemplo en particular y que podemos utili#ar distribuciones ya conocidas y tabuladas mediante el empleo de formulaciones que nos transfieren la variable $ a una variable estadstica 9S, t, T, x3,..:. +a distribucin normal se emplea con frecuencia en estadstica ya que muchas distribuciones se aproximan a ella, en particular, cuando el tamaHo de las muestras es grande 9n U 5&:, tal como lo refiere el 'eorema del l"mite central. =n -ltimo ejemplo nos permite observar las ventajas pr*cticas del uso de las tablas estadsticas ya elaboradas. Supongamos que en un examen sobre m*s de 5& alumnos 9lo cual nos permite asumir una distribucin normal: el promedio 9W: fue igual a '& y la varian#a 9VY: igual a '. Con esta informacin podemos calcular f*cilmente el porcentaje de alumnos que se encuentra entre 4 calificaciones particulares, como por ejemplo de ( a '4. 6ara ello se normali#an 9transforman las $ a S: las calificaciones referidas. 6ara '40 X KW 0; '4 K '& ; ' ;4

Se consulta S ; 4 en la tabla ' y se encuentra que el *rea correspondiente es &,BCC4% dado que la curva es sim)trica, el *rea ( a '& es igual al *rea '& a '4, por lo que de ( a '4 el *rea es &, !BB o lo que es igual, el !,BB " de los alumnos se encuentra entre las calificaciones ( a '4. .jemplos similares pueden ser resueltos de forma *gil. Aplicaciones con Excel +as ayudas estadsticas del programa .xcel permiten resolver ejercicios donde se trabaje con la distribucin S. 8eamos los siguientes ejemplos, utili#ando la siguiente secuencia de instrucciones0 4) #bique el cursor en la celda donde quiere obtener el resultado $ % x $ Estad"stica $ D&S'()NO(+) ,lene la ventana de dilogo que all" aparece $ -ceptar.
? M%di# D%&-/%&t4nd#r Acu)

DISTR.NORM$ Devuelve la distribucin acumulativa normal para la media / desviacin estndar especi%icadas) .jemplo0 Cu*l es la probabilidad de obtener '! caras si se lan#a la moneda 5& veces, dado que las probabilidades de cara y sello son iguales 9p ; q ; &,!:G 6ara resolver este ejemplo se debe conocer de antemano el promedio 9Np: y la desviacin est*ndar 9 Npq : del conjunto de datos evaluados.
? M%di# D%&-/%&t4nd#r Acu) ? M%di# D%&-/%&t4nd#r Acu)

.l primer resultado &,'B!?CB indica la probabilidad individual de ocurrencia del evento 9-cumulado. 5also: mientras que en el segundo caso, &,! indica las probabilidades acumuladas desde & hasta '! caras 9-cumulado. 6erdadero:. 3) #bique el cursor en la celda donde quiere obtener el resultado $ % x $ Estad"stica $ D&S'()NO(+)&N6) ,lene la ventana de dilogo que all" aparece$ -ceptar.

PROBABILIDAD PROMEDIO DES@IACIN ESTANDAR

DISTR.NORM.IN%$ Devuelve el inverso de la distribucin acumulativa normal para la media / desviacin estndar especi%icadas) .sta ayuda nos permite conocer el evento a partir de la probabilidad de ocurrencia, es decir que, desempeHa el papel inverso de la ayuda anterior, en lo concerniente con valores acumulados. .jemplo0 Cu*l es el valor de $ para las probabilidades &,&4! y &, C! 9 !" de los resultados m*s probables: dado que se lan#a la moneda 5& vecesG
PROBABILIDAD PROMEDIO DES@IACIN ESTANDAR PROBABILIDAD PROMEDIO DES@IACIN ESTANDAR

.stos resultados seHalan que el !" de resultados m*s probables o tpicos se encuentran entre ,? y 4&,5, resultados hallados numerosas veces anteriormente. 7) #bique el cursor en la celda donde quiere obtener el resultado $ % x $ Estad"stica $ D&S'()NO(+)ES'-ND) ,lene la ventana de dilogo que all" aparece $ -ceptar.
Z

DISTR.NORM.ESTAND$ Devuelve la distribucin normal estndar acumulativa) 'iene una media de cero / una desviacin estndar de uno) .sta ayuda nos permite conocer la probabilidad acumulada desde el valor m*s pequeHo, para un valor de S. .s decir que, equivale a la tabla normal previamente expuesta. A manera de ejemplo, dados valores de S igual a ',?B, ', ? y 4,55!, cu*les son las probabilidades acumuladas de cada unoG
Z Z Z

Constatamos que el y [ ',?B.

, ! y &" de los datos m*s probables est* entre S0 [ 4,55!, [ ', ?

8) #bique el cursor en la celda donde quiere obtener el resultado $ % x $ Estad"stica $ D&S'()NO(+)ES'-ND)&N6) ,lene la ventana de dilogo que all" aparece $ -ceptar.
Aceptar Pro"#"i$id#d

DISTR.NORM.ESTAND.IN%$ Devuelve el inverso de la distribucin normal estndar acumulativa) 'iene una media de cero / una desviacin estndar de uno) .sta ayuda es inversa a la anterior y nos permite calcular S a partir de las probabilidades acumuladas. A manera de ejemplo, cu*l es el valor de S para la probabilidad acumulada &, C!0
Pro"#"i$id#d

1.4.& Distribucin x" Descripcin +a DISTRIBUCIN x" tambi)n nos permite aproximarnos a los ejemplos previamente expuestos a partir de la siguiente expresin0
4

9Observado K Esperado:
Esperado

x ;

.sta frmula nos permite pasar entonces un resultado de investigacin 9$: a una distribucin estadstica 9x3: que tambi)n ha sido tabulada 9Rabla 4: y, por ende, facilita los an*lisis. .n ella, los valores observados se refieren a los resultados encontrados, mientras que los esperados indican los resultados que deberamos encontrar bajo la probabilidad supuesta. +a distribucin x3 se confronta solamente para el lado derecho de la curva. A manera de ejemplo, si se lan#a una moneda 5& veces y se asume que las probabilidades de cara y sello son iguales 9&,!: el valor esperado tal como previamente se refiri es igual a @p ; 5& x &,! ; '!, esto es, se esperan '! caras y '! sellos. Si se obtienen '( caras y '4 sellos, se quiere establecer si este resultado est* dentro del !" de resultados m*s probables 9tpicos: o no 9atpicos:. x4 ;

9'( K '!:4
'! A

K '!: 9'4 '!

; ',4

Acorde con la tabla de x3 expuesta a continuacin la cual se consulta con n94 grados de libertad siendo n el n-mero de t)rminos comprometidos en el c*lculo del x3 94 L ' ; ' para este ejemplo:, el valor que aglomera el !" de resultados m*s probables es 5,(B 9columna de probabilidad &,&!:. .s decir que, valores mayores a )ste son atpicos y menores son tpicos. 6or tanto, el que la moneda hubiese cado '( veces cara es un resultado com-n para una moneda no defectuosa.
T#"$# !. Di&tri"uci n #cu)u$#d# d% x" 35i Gr#do& d% $i"%rt#d 1 ! ' , 9 : ; < = 16 11 1! 1' 1, 19 1: 1; 1< 1= !6

cu#dr#do7.

Al igual que lo reali#ado con la distribucin normal, es posible identificar los valores que limitan o definen valores tpicos de atpicos, despejando $ o valores observados para el valor x3 de tablas conocido 95,(B:0 Si llamamos $ el n-mero de caras observadas, el n-mero de sellos ser* 5& L $, luego0

9 X K '!:4 5,(B ;
'!

95& K X K '!:
'!

Pesolviendo los cuadrados y sumando los dos t)rminos se tiene0

4

4X 5,(B ;

K ?& X A B!& '!

Al reagrupar se obtiene la siguiente ecuacin de segundo grado0 4$4 2 ?& $ A 5 4,B ; &, cuya forma general es0 a$4 A b$ A c ; & y cuyas soluciones son0
4

X ;

Kb[ b B ac 4 a

Peempla#ando0 X ; K 9K?&: [ ?& 4 K B Z 4 Z 5 4,B 4Z4 +as soluciones resultantes son0 $' ; 4&,5C y $4 ; ,?5. .s decir que el ! " de los lan#amientos cae entre N '& y 4& caras o sellos, resultado similar a los calculados por otras vas. .n forma extensiva, para B& lan#amientos de la moneda los valores que definen los lan#amientos tpicos y atpicos asumiendo que tienen igual probabilidad de ocurrencia siendo $ el n-mero de caras y B& L $ el de sellos0 5,(B ;

9 X K 4&:4
4&

9B& K X K 4&: A
4&

Pesolviendo se obtiene la ecuacin de segundo grado0 4$4 2 (& $ A C45,4 ; &, cuyas soluciones aplicando un procedimiento similar son0 $' ; 4?,4 y $4 ; '5,(. .s decir que el !" de los lan#amientos m*s probables cae entre N 'B y 4? caras.
.l siguiente ejemplo amplia la aplicacin de esta distribucin a m*s de 4 resultados0 se lan#a un dado ?& veces y se obtienen los siguientes valores0
R%&u$t#do Br%cu%nci#

^+os valores indican que el dado ofrece igual probabilidad a todos los lados o podra estar defectuoso o cargadoG .l valor esperado es entonces0 ?& x '>? ; '&. 6or tanto, se espera que caiga ' en '& lan#amientos e igual con los dem*s lados del dado. .l valor de x3 es0
4 4 9! K '4: 4 9'4 K '4:

9'5 K4'4: A '&

4 '4: 9B K

9 4 K '4: A '& A '&

4 K '4: 9'C

x ;

'&

'&

A'&

; '4,B

.l valor de tablas 9o valor crtico que separa los resultados tpicos y atpicos: para ?2' grados de libertad es '',&C, por lo que el resultado es atpico, es decir, el dado no da iguales probabilidades a cada lado, est* algo defectuoso o cargado.

Aplicaciones con Excel 4) #bique el cursor en la celda donde quiere obtener el resultado $ %x $ Estad"stica $ D&S'()C:&) ,lene la ventana de dilogo que all" aparece $ -ceptar.
? Gr#do& d% $i"%rt#d

DISTR. 'I. Devuelve la probabilidad de una variable aleatoria continua siguiendo una distribucin c;i cuadrado de una sola cola)

.jemplo0 el resultado previamente hallado de x3 ; ',4 para '( caras, '4 sellos y ' grado de libertad, reporta mediante .xcel una probabilidad de &,4C55 que indica que se encuentra en el C4,?C" 99'2&,4C55: x '&&: de los resultados m*s probables, por lo que se trata de un resultado tpico.
? Gr#do& d% $i"%rt#d

.jemplo0 para el ejemplo inmediatamente anterior en que se anali#aron ?& lan#amientos de un dado, cu*l es la probabilidad de que ocurra el resultado obtenidoG
? Gr#do& d% $i"%rt#d

+os valores obtenidos se encuentran por fuera del C,'" 99' L &,&4 : x '&&: de los resultados m*s probables. @tese que si trabajamos con & !" de confian#a 9o resultados m*s probables:, los valores obtenidos con el dado son atpicos, pero si empleamos " de confian#a, son tpicos. Al respecto, las ciencias naturales como la fsica o la qumica emplean ! y " de confian#a en sus pruebas, mientras que las ciencias sociales suelen trabajar con & y !".

1.4.4 S(ntesis 6odemos hallar un conjunto de probabilidades para la ocurrencia de un evento cualquiera, bas*ndonos en las frmulas que describen las distintas distribuciones de probabilidad. @o obstante, este procedimiento resulta muy engorroso ya que debemos hacer numerosos c*lculos, las m*s de las veces con frmulas complejas. 6or el contrario, si trabajamos con distribuciones de probabilidad que ya est)n tabuladas en tablas, los c*lculos se hacen muy sencillos ya que se trata de frmulas simples cuyo resultado se confronta con un valor crtico o de tablas que separa los resultados m*s probables, de los que no

los son. A los primeros los hemos llamado tpicos porque son los que esperamos que ocurran en un sistema con comportamiento aleatorio% a los segundos atpicos porque su probabilidad de ocurrencia es muy baja lo que nos lleva a concluir que se rigen por fuer#as diferentes a las que hemos supuesto en el a#ar. 7ndependientemente de que una variable sea o no discreta, se pueden ajustar distribuciones de probabilidad continuas a las mismas, las cuales generalmente simplifican los an*lisis, tal como se demostr previamente con numerosos ejemplos en los cuales se obtuvieron resultados id)nticos para las distribuciones binomial, normal y c;i cuadrado 9x3:, con un esfuer#o nfimo de trabajo en las 4 -ltimas.