CURRCULO BASE DE LOS

PROGRAMAS NACIONALES DE FORMACIN

MATERIAL DIDCTICO DE LA UNIDAD CURRICULAR

ESTADSTICA INFERENCIAL

Forma de estudio: Presencial

Trayecto: III
Duracin: 75 Horas.

Caracas, septiembre 2012

Diseadores(as) curriculares:
Marcos Vsquez
Expertos(as) de contenidos:
Marcos Vsquez
Migdalys Marcano

NDICE

PRESENTACIN.................................................................................................................................... 4
Propsito ......................................................................................................................................... 5
Objetivos Especficos ....................................................................................................................... 5
Relacin de Temas de la Unidad Curricular .................................................................................... 5
ENCUENTRO 1: NOCIONES DE PROBABILIDAD ................................................................................... 6
Orientaciones generales para el desarrollo del encuentro:............................................................ 6
Actividad 1. Las probabilidades en nuestro quehacer diario. ......................................................... 7
Actividad 2. Lectura: Introduccin a la probabilidad ...................................................................... 8
Actividad 3. Calculando probabilidad............................................................................................ 30
Actividad 4. Resolviendo problemas de probabilidad................................................................... 32
Actividad final del encuentro ........................................................................................................ 34
ENCUENTRO DIDCTICO 2: ESTIMACIN DE PARMETROS............................................................. 37
Orientaciones generales para el desarrollo del encuentro:.......................................................... 37
Actividad 1. Lectura: Estimando Parmetros en la Funcin de los rganos de seguridad
ciudadana ...................................................................................................................................... 38
Actividad 2. Construyendo problemas de estimacin de parmetros.......................................... 49
Actividad 3. Estimando parmetros en la prctica. ...................................................................... 51
Actividad final del encuentro ........................................................................................................ 51
ENCUENTRO DIDCTICO 3: PRUEBAS DE HIPTESIS ........................................................................ 54
Orientaciones generales para el desarrollo del encuentro:.......................................................... 54
Actividad 1. Planteando hiptesis y los rganos de seguridad ciudadana. .................................. 55
Actividad 2. Lectura: Pruebas de Hiptesis ................................................................................... 56
Actividad 3. Realizando pruebas de hiptesis. .............................................................................. 64
Actividad final del encuentro ........................................................................................................ 65
BIBLIOGRAFA .................................................................................................................................... 68

PRESENTACIN

Estimado y estimada estudiante, a continuacin se te presenta un material

didctico, en el cual se desarrollan una serie de actividades con las que puedes
profundizar los saberes referidos a Estadstica Inferencial. El objetivo principal de
este material es reforzar los conocimientos aprendidos de una forma didctica y
amena. Es recomendable apoyarse en este material a fin de lograr los objetivos
dispuestos en la unidad curricular.
La Estadstica inferencial consiste en los procedimientos con los cuales se
deducen o se infieren propiedades en una poblacin, a partir de una pequea
muestra de la misma. Esto permite predecir sucesos con cierto grado de
precisin, que ayuda al funcionario y funcionaria a resolver distintos problemas en
materia de seguridad ciudadana. En esta unidad curricular se abordan contenidos
de probabilidad que le permiten al estudiante conocer el nivel de prediccin de sus
deducciones.
Este material se desglosa en tres encuentros didcticos donde encontrars
diversos problemas y actividades prcticas que te permitirn ejercitar los saberes
estudiados en el ambiente de aprendizaje. La unidad curricular Estadstica
Inferencial tiene un importante contenido prctico, es por ello que se recomienda
la realizacin de todos los problemas planteados, a fin de garantizar la
comprensin de los temas propuestos.
Durante el desarrollo de este material surgirn dudas y preguntas, por lo cual
debes consultar a tu educador o educadora, quienes te darn las respuestas y
consejos pertinentes, igualmente, se recomienda consultar otras bibliografas
aparte de este material, esto con la intencin de profundizar en las temticas y
desarrollar tu capacidad para la investigacin.
Debes realizar todas las lecturas y actividades propuestas en este material en el
orden que han sido dispuestas ya que esto garantizar la comprensin total de las
mimas.

Para el desarrollo del material didctico de la unidad curricular Estadstica

Inferencial se presentan las siguientes actividades:

Problemas estadsticos aplicados a la seguridad ciudadana.

Ejercicios esttico-ldicos referidos a la temtica.

Lecturas en donde se describen las temticas a estudiar.

Estudio de casos vinculados a la temtica.

Es importante mantener una actitud favorable para realizar todas las

actividades; recordando que ello implica tener una buena disposicin y estado de
nimo para emprenderlas.
Propsito
La unidad curricular tiene como propsito la aproximacin de las y los
estudiantes a la exploracin de diversas representaciones matemticas que le
permitirn inferir sobre los problemas de seguridad ciudadana y as planificar
acciones que permitan resolverlos.
Objetivos Especficos
Las y los estudiantes:

Comprendern y aplicarn las nociones generales de la probabilidad a fin

de contribuir a la garanta de la seguridad ciudadana.

Realizarn estimaciones de parmetros que le permitan inferir sobre la

realidad en relacin al problema de inseguridad en nuestro pas.

Ejecutarn pruebas de hiptesis que le permitan comprender sucesos

vinculados a la seguridad ciudadana.
Relacin de Temas de la Unidad Curricular

Tema 1: Nociones de Probabilidad.

Tema 2: Estimacin de parmetros.
Tema 3: Pruebas de hiptesis.

ENCUENTRO 1: NOCIONES DE PROBABILIDAD

Saber: Las y los estudiantes comprendern las nociones generales de la
probabilidad y sus herramientas para la descripcin de un suceso, a fin de
aplicarlas en el anlisis de problemas vinculados a la seguridad ciudadana.
Orientaciones generales para el desarrollo del encuentro:
Estimados y estimadas estudiantes, el encuentro didctico denominado
Nociones de probabilidad pretende que nos apropiemos de los conceptos
bsicos de la probabilidad enmarcados en su aplicacin dentro de las funciones de
los rganos de seguridad ciudadana. En este sentido, se abordarn los siguientes
saberes: Definicin de probabilidad, espacio muestral, evento, conjunto,
probabilidad condicional, probabilidad en conjuntos, teorema de Bayes, variables
aleatorias, combinatoria, variables aleatorias discretas y continuas y distribucin
de probabilidad.
Para desarrollar los saberes mencionados anteriormente presentamos unas
actividades que consisten en:
1. Preguntas generadoras, a partir de las cuales, activars tus saberes previos
con respecto a la temtica que se va a desarrollar, con el fin de partir de la
realidad, condicin histrica, y de la toma de conciencia crtica en torno a ella.
2. Lectura las nociones de probabilidad y su aplicacin en beneficio de la
seguridad ciudadana.
3. Problemas de probabilidad que permiten ejercitar y comprender las nociones
de probabilidad que ms adelante profundizarn y aplicarn en la estadstica.
4. Una encuesta que permitir posteriormente calcular diversas probabilidades
en base a la misma. Con estos clculos podemos describir la poblacin a la cual
entrevistamos.
Para culminar el encuentro encontrars

una actividad final donde debers

utilizar todo lo aprendido, consta de ejercicios con distintos niveles de complejidad.

Al finalizar encontraras una clave de respuestas que te permitir evaluar tus

avances.

Actividad 1. Las probabilidades en nuestro quehacer diario.

En nuestro quehacer cotidiano se presentan situaciones en las cuales los
resultados parecen no tener un patrn, se podra decir que los resultados son una
cuestin de azar. Por ejemplo, al lanzar un dado al aire, este puede caer en
cualquier nmero del 1 al 6, y no podemos saber con exactitud cuando sale uno u
otro. Estas situaciones podran llamarse aleatorias.
Las probabilidades son una herramienta que nos permite modelar estas
situaciones, y as poder tener una nocin de los posibles resultados.
Conociendo esto, te invitamos a reflexionar en funcin de las siguientes
preguntas generadoras, partiendo de tus saberes y de los saberes estudiados en
este encuentro:
1.

Qu entiendes por probabilidad? Descrbelo con tus propias palabras.

________________________________________________________________

__________________________________________________________________
_______________________________________________________________
2.

Cmo usas o podras usar la probabilidad en tu vida diaria?

________________________________________________________________

__________________________________________________________________
__________________________________________________________________
3.

Cmo las probabilidades podran ser una herramienta til en tu rol como
funcionario o funcionaria de seguridad ciudadana?

________________________________________________________________
__________________________________________________________________
__________________________________________________________________
Actividad 2. Lectura: Introduccin a la probabilidad
Leamos con atencin!
En la vida cotidiana aparecen muchas situaciones en las que los resultados
observados son diferentes, aunque las condiciones iniciales en las que se produce
la experiencia sean las mismas. Por ejemplo, al lanzar una moneda unas veces
resultar cara y otras veces sello. Estos fenmenos, denominados aleatorios, se
ven afectados por la incertidumbre.
En el lenguaje habitual, frases como "probablemente...", "es poco probable
que...", "hay muchas posibilidades de que..." hacen referencia a esta
incertidumbre.
La teora de la probabilidad pretende ser una herramienta para modelizar y
tratar con situaciones de este tipo; por otra parte, cuando aplicamos las tcnicas
estadsticas a la recogida, anlisis e interpretacin de los datos, la teora de la
probabilidad proporciona una base para evaluar la fiabilidad de las conclusiones
alcanzadas y las inferencias realizadas.
Probabilidad
La probabilidad es la posibilidad numrica de que ocurra un evento. La
probabilidad de un evento es medida por valores comprendidos entre 0 y 1. Entre
mayor sea la probabilidad de que ocurra un evento, su probabilidad asigna estar
ms prxima a 1. La probabilidad de certeza es 1. La probabilidad de una
imposibilidad
(

es

0.

Esto

se

podra

expresar

)
(
Por tanto,

)
( )

Recordando:
este smbolo
representa
menor o igual
que.

as:

En donde

es algn evento.

La probabilidad de que el sol salga maana es muy alta muy cercana a 1. La

probabilidad de que se aumente el sueldo en un 50% o ms, estando en el otro
extremo, est muy cerca de cero.
El proceso que produce un evento se denomina experimento. Un experimento
es toda accin bien definida que conlleva a un resultado nico bien definido.
Lanzar un dado (mitad de un par de dados) es un experimento. Un resultado bien
definido en un nmero de 1 a 6. Un experimento puede consistir en revisar un
producto para determinar si cumple con ciertas especificaciones de fabricacin. El
resultado es o (1) defectuoso o (2) no defectuoso.
El espacio muestral es el conjunto de todos los posibles resultados para un
experimento. El espacio muestral para lanzar un dado es:
(

Mientras que el espacio muestral para el experimento de lanzar una moneda al

aire es:
(

La probabilidad de que al menos uno de los eventos que estn en el espacio

muestral ocurra es igual a 1. Si se lanza un dado, el resultado debe ser un nmero
entre 1 y 6. Debido a que esto es una certeza puede decirse que:
( )

Recordemos: este
smbolo representa la
sumatoria de diversos
elementos

De manera informal o clsica, podemos calcular la probabilidad de un

experimento A de la siguiente:

forma: ( )
Por ejemplo, cul es la probabilidad de que salga un nmero menor a 3 al
lanzar un dado?; que caiga un nmero menor a 3 significa un 1 o un 2 y como la
cantidad de resultados posibles es 6 (El nmero de lados de un dado), entonces el
nuestra probabilidad seria:
(

No siempre se conoce la cantidad total de resultados posibles de un

experimento o la cantidad de resultados contenidos del mismo, es por ello que
podemos definir la probabilidad a partir de un nmero de experimentos seguidos
realizados de la siguiente forma (llamada emprica o por frecuencias relativas):
( )

Por ejemplo: Si se quiere tener una idea de cul es la probabilidad de que

eligiendo un o una discente de la universidad al azar, ste o sta tenga ojos
claros, se puede tomar a 50 estudiantes al azar y contar cuntos o cuntas tienen
ojos claros. Luego si 13 de esos 50 tienen ojos claros, estimaremos que:
( )
Si en vez de examinar a 50 estudiantes hubiramos examinado a 200, la
exactitud esperable sera mayor. Por ejemplo quizs entre los 200 estudiantes
habra 53 con ojos claros, y entonces:
( )
Espacio muestral

El conjunto de todos los posibles resultados de un experimento aleatorio recibe el

nombre de espacio muestral.
Algunos ejemplos de espacio muestral son:
1.

Si el experimento consiste en arrojar un dado y observar el nmero que

sale, el espacio muestral es:
Recordemos que los
elementos o nmeros
colocados dentro de llaves y
separados por comas
pertenecen a un conjunto.

Vemos que el espacio muestral se denota con la letra E.

2.

Si el experimento consiste en tomar un lapicero y medirlo, el espacio

muestral es:

Vemos que el espacio muestral no tiene por qu ser un conjunto finito. Como en
este caso el resultado puede ser cualquier nmero real positivo, E tiene infinitos
elementos.
3.

Si el experimento consiste en tomar un libro al azar de la biblioteca y ver

con qu letra empieza el ttulo, el espacio muestral es:

Vemos que los resultados posibles del experimento, es decir, los elementos del
espacio muestral, no tienen necesariamente por qu ser nmeros. En este caso
son letras.
4.

Si el experimento consiste en tirar una moneda y ver qu sale, el espacio

muestral es:

Aunque tambin podramos haber respondido

si

considerramos como un resultado posible el caso en que la moneda caiga de

canto.
Vemos que el conjunto de resultados posibles para un experimento es
subjetivo. Generalmente adecuamos el espacio muestral a lo que consideramos
posible o no posible, y a los fines del experimento. Por ejemplo, en este caso una
solucin posible es definir

y determinar que si cae de canto, se

tira nuevamente.
Evento
Un evento (tambin llamado suceso) del espacio muestral es un subconjunto
de ste. Algunos ejemplos pueden ser:
1.

En el experimento de arrojar un dado y ver qu sale, el espacio muestral es:

Cualquier subconjunto de E es un evento, por lo tanto ejemplos de eventos de

este experimento pueden ser:
1.

{1}

2.

{6}

3.

{3, 4}

4.

{4, 5, 6}

5.

{1, 3, 5}

6.

{2, 4, 6}
Tambin podemos expresar estos subconjuntos por comprensin:

1.

"que salga un nmero par"

2.

"que salga un nmero impar"

3.

"que salga un nmero mayor que 3"

Y no olvidemos los siguientes subconjuntos:

1.

{}
Dicho evento es conocido como "evento nulo", " evento falso" o " evento

imposible". Adems de la notacin {} se puede usar la alternativa .

1.

{1, 2, 3, 4, 5, 6}
Este subconjunto del espacio muestral es exactamente el espacio muestral

(recordemos que un conjunto siempre es subconjunto de s mismo). Dicho suceso

es conocido como " evento verdadero", " evento forzoso" o " evento cierto".
4.

En el experimento de tomar un lapicero y medir su longitud en cm.:

No olvides
que

simboliza

el conjunto de
los nmeros
reales.

Ejemplos de eventos (es decir, subconjuntos de E) pueden ser:

1.

{15}

2.

{14.2}

3.

{17.3333333...}

4.
5.

Si el suceso A consiste en obtener cara al tirar una moneda, entonces

podramos definir:

1.

El experimento consiste en tirar una moneda y ver qu sale.

2.

El espacio muestral es

3.

El evento A es

Vemos que

. Como dijimos antes, un

suceso es un subconjunto del espacio muestral.

Conjuntos

Como los eventos son conjuntos, operar con eventos es operar con conjuntos.
1.

Interseccin de conjuntos
Dados dos conjuntos A y B,

es el conjunto que ocurre cuando suceden

simultneamente A y B. Se puede llamar "A interseccin B" o bien "A y B".

Ejemplo:
Se tira un dado, y se definen los eventos:
A: que salga menos de 4

B: que salga ms de 2
Con lo cual queda:

2.

Conjuntos disjuntos o mutuamente excluyentes

Son los conjuntos cuya interseccin es nula. Dados los conjuntos A y B, son

disjuntos

Ejemplo:
Se tira un dado, y se definen los sucesos:
A: que salga 1 2
B: que salga ms de 4
Con lo cual queda:

Como A y B tienen interseccin nula, no pueden suceder simultneamente.

3.

Unin de conjuntos
Dados dos conjuntos A y B,

es el conjunto que resulta cuando ocurre A,

B, o los dos simultneamente. Se puede llamar "A unin B" o bien "A B".

Recordemos:
ste smbolo
significa vacio .

Ejemplo:
Se tira un dado, y se definen los sucesos:
A: que salga menos de 4
B: que salga 2 6
Con lo cual queda:

4.

Complemento de los conjuntos

Dado un conjunto A, su "complemento" es el conjunto que contiene los

elementos que no estn en A. El complemento de A se escribe

llama "complemento de A", "A negado" o bien "no A".

o bien y se

Ejemplo:
Si arrojo un dado, y el conjunto A es que salga un 4, entonces el conjunto

es

que no salga un 4 o bien que salga 1, 2, 3, 5 6.

Expresados como conjuntos quedan:

Observamos que:
1.
2.

As como A es un subconjunto de E,

tambin es un subconjunto de E.

, es decir, la unin de A y

forma E. Esto es lgico: llueve o

no llueve. No hay ninguna otra posibilidad.

3.

. Un suceso y su complemento son disjuntos, porque no pueden

ocurrir al mismo tiempo. No puede "llover" y "no llover" al mismo tiempo.
Probabilidad condicional
Con frecuencia se desea determinar la probabilidad de algn evento, dado que

antes otro evento ya hay ocurrido. Lgicamente, esta es llamada probabilidad

condicional. Se denota como (

) y se lee la probabilidad de A dado B.

Esta es la frmula general para la probabilidad condicional del evento A, dado

que se conoce que el evento B ya ha ocurrido:

)
( )

Probabilidad en conjuntos
Antes de ver algunas probabilidades para conjuntos, definamos de forma
axiomtica la funcin de probabilidad. Sea E un espacio muestral, y A un evento
cualquiera, se llama funcin de probabilidad sobre el espacio muestral E a P(A)
si satisface los siguientes axiomas:
1.

( )

2.

( )

3.

Si A y B son subconjuntos de E y
entonces (

( )

(Los eventos son disjuntos)

( )

Ahora veamos algunas propiedades de la probabilidad en conjuntos:

1.

Probabilidad de la unin de conjuntos:

Dados dos conjuntos A y B contenidos en el espacio E, entonces:
(

( )

( )

Vase que si los conjuntos son disjuntos (

)
) entonces la

expresin queda como el tercer axioma.

2.

Probabilidad de la interseccin de conjuntos:

Para esta probabilidad vamos a usar la definicin de probabilidad condicional:
(

) ( )

) ( )

Teorema de Bayes

Thomas
Bayes,
Matemtico
britnico, quien
estudi
problemas sobre
la determinacin
de la probabilidad

En el ao 1763, dos aos despus de la muerte del reverendo Thomas Bayes

(1702-1761), se public una memoria en la que aparece, por vez primera, la
determinacin de la probabilidad de las causas a partir de los efectos que han
podido ser observados (Probabilidad condicional). El clculo de dichas
probabilidades recibe el nombre de teorema de Bayes. El teorema dice lo
siguiente: Si B1, B2,, Bn son eventos mutuamente excluyentes, de los cuales uno
debe ocurrir, es decir
( | )

, entonces
( ) (
)

( ) (
)

Veamos un ejemplo: Durante los ltimos aos se ha escrito mucho sobre la

posible relacin entre el fumar y el cncer pulmonar. Supngase que en un centro
mdico, de todos los fumadores de quienes se sospecha que tenan cncer
pulmonar, el 90% (P=0.9) lo tena mientras que nicamente el 5% (P=0.05) de los
no fumadores lo padeca. Si la proporcin de fumadores es de 0.45, Cul es la
probabilidad de que un paciente con cncer pulmonar, seleccionado al azar, sea
fumador?
Sean B1 y B2 los eventos el paciente es fumador y el paciente no es
fumador. Se suponen que las probabilidades para estas dos alternativas son 0.45
y 0.55 respectivamente. Si un paciente tiene, o no, cncer pulmonar puede estar
afectado por cualquiera de las dos alternativas que constituyen la evidencia

experimental. Se sabe que

. Se desea determinar

la probabilidad de seleccionar un fumador, puesto que el paciente tiene cncer, o

(

).
As por el teorema de Bayes tenemos:
(

(
)

) (
(

)(

)
) (
)
( ) (
)(
) (

)
)(

As, la probabilidad de que un paciente con cncer pulmonar, seleccionado

aleatoriamente sea fumador, es de 0.9364.
Variables aleatorias

Vamos a llamar variable aleatoria a una variable cuyo valor sera el resultado de
un determinado experimento, si lo hiciramos. Por ejemplo, si el experimento
consiste en arrojar un dado, podemos definir la variable aleatoria X cuyo valor ser
el nmero que salga en el dado. El conjunto de valores posibles de X es el espacio
muestral. Y en general nos interesar cul es la probabilidad de que X asuma
cada valor.
Usaremos variables porque nos permiten operar y mostrar determinadas
conclusiones.
Para el caso del dado, podemos escribir "la probabilidad de que al tirar el dado
salga un nmero mayor que 3" simplemente como P(X > 3), habiendo antes
definido X como el nmero que saldra si tirramos el dado.

Para designar a las variables aleatorias se utilizan letras maysculas. Para

designar a uno de sus valores posibles, se usan las letras minsculas. Por
ejemplo, si X es la variable aleatoria asociada a lo que sale al tirar un dado,
podemos decir que:

Recordemos
que este
smbolo se lee
para todo

Combinatoria
El clculo combinatorio es una herramienta matemtica que, dada una
determinada cantidad de elementos, permite calcular de cuntas formas posibles
podemos tomar una parte de ellos y/u ordenarlos.
Por ejemplo, si tenemos un mazo de 52 cartas, y un jugador recibe 5 cartas de
ese mazo, nos puede interesar calcular cuntas manos distintas podra recibir. Es
decir, cuntas "combinaciones" se pueden formar con 5 cartas tomadas de entre
52.
Veamos cada modelo de calcular las combinatorias:
Permutacin
Se tienen n elementos, y se desea ver de cuntas formas se los puede ordenar.
Es decir, los elementos son siempre los mismos, y cada forma posible slo difiere
de las dems en el orden en que se toman los elementos.
Frmula:
Donde n es la cantidad de elementos a ordenar
Ejemplo:
De cuntas formas se pueden ordenar los elementos {a,b,c}?

abc, acb, bac, bca, cab, cba (6 formas)

El smbolo de
exclamacin hacia
abajo (!) representa
factorial.

Variacin
Es como la permutacin, pero no se usan los n elementos sino que se usan
solamente k de ellos. Entonces habr que tener en cuenta no solamente el orden,
sino cules de los n elementos se eligen (naturaleza).
Frmula:

Donde n es la cantidad total de elementos, y k es la cantidad de elementos

que se eligen. Se lee: "variaciones de n elementos tomados de a k".
Ejemplo:
Se tienen los elementos {a,b,c,d}. De cuntas formas se puede tomar 2 de
ellos, sin repetir ninguno, y teniendo en cuenta el orden?
Comencemos por aclarar que:
1) tener en cuenta el orden significa que "ab" "ba"
2) tener en cuenta la naturaleza significa que elegir al a y al b no es lo mismo
que elegir al a y al c.
Entonces las variaciones en este caso son:
ab, ba, ac, ca, ad, da, bc, cb, bd, db, cd, dc

Combinacin

Consiste en tomar k elementos entre n que hay en total, sin importar en qu

orden. Es decir, importa la naturaleza ("cules") pero no importa el orden.
Observamos que esto es como las variaciones, pero olvidndonos del orden; las
variaciones distinguen "ab" de "ba", en cambio para las combinaciones "ab" = "ba",
y slo importa el hecho de que fueron "a" y "b" los elementos elegidos.
Frmula:
( )

Donde n es la cantidad total de elementos, y k es la cantidad que se toman.

Ejemplo:
Se tienen los elementos {a,b,c,d}. Cuntas formas posibles hay de elegir 2?
Comencemos por aclarar que como son combinaciones, no tenemos en cuenta
el orden, con lo cual "ab" = "ba". Adems recordamos que por tratarse de
combinacin simple, no se puede elegir 2 veces el mismo elemento. Entonces en
este caso las combinaciones son:
ab, ac, ad, bc, bd, cd.
( )

Antes de
continuar comenta
con una palabra
que te parece la
lectura:

__________
______
Variables aleatorias discretas y continuas
Comparemos ahora el ejemplo del dado con este otro: haremos el experimento
de elegir una naranja al azar en una verdulera, y llamaremos Y al peso de la
naranja elegida. Si pensamos en los valores posibles que puede tomar la variable
aleatoria Y, veremos que no solamente son infinitos, sino que adems, dado un
valor posible no hay un "siguiente" porque entre cualquier valor y aquel al que
considerramos su "siguiente" hay infinitos valores posibles. La variable aleatoria
X es discreta. La variable aleatoria Y es continua.

En principio definiremos las variables aleatorias discretas y continuas as:

1.

Variable aleatoria discreta: aquella tal que la cantidad de valores posibles

que puede tomar es finita, o infinita pero numerable. En otras palabras,
aquella cuyos valores posibles son todos puntos aislados del conjunto de
valores posibles. Dicho incluso de una tercera forma: aquella tal que si
tomamos dos, cualesquiera de sus valores posibles, hay entre ellos una
cantidad finita de valores posibles.

2.

Variable aleatoria continua: aquella que no es discreta, es decir, aquella

tal que la cantidad de valores posibles es infinita y no numerable.
A qu nos referimos con infinito numerable y no numerable?
Por ejemplo, el conjunto de los nmeros naturales tiene una cantidad finita pero

numerable de elementos, porque sus elementos se pueden enumerar. En cambio,

el conjunto de los nmeros reales tiene una cantidad infinita no numerable de
elementos, porque sus elementos no se pueden enumerar.
Veamos un problema:
1) Indique para cada una de las siguientes variables aleatorias si son discretas
o continuas. Haga las aclaraciones que considere necesarias.
a) El nmero que sale al tirar un dado.
b) La cantidad de caras que salen al tirar 5 monedas.
c) La cantidad de accidentes por mes.
d) Peso de una naranja.
e) Dimetro de una arandela.
f) El pas donde naci una persona.
g) La edad de una persona.

Resolucin:
a) Discreta. La cantidad de resultados es finita.
b) Discreta. La cantidad de resultados es finita.
c) Discreta. Aunque la cantidad de resultados es infinita, porque no hay un valor
mximo posible, es numerable, porque los resultados se pueden enumerar. Otra
forma de ver que es discreta: todos los resultados son puntos aislados.
d) Continua. La cantidad de resultados es infinita y no numerable (no podemos
enumerar todos los resultados). Otra forma de ver que es continua: los resultados
no son puntos aislados, sino que forman un continuo (por ejemplo, un segmento
de recta).
e) Continua. La cantidad de resultados es infinita y no numerable (no podemos
enumerar todos los resultados).
f) Discreta. La cantidad de resultados es finita. Observemos que las variables
que no son numricas por lo general son discretas.
g) Puede ser discreta o continua. Si tomamos la edad como la cantidad entera
de aos que ha vivido la persona, entonces es discreta. Si tomamos la edad como
un nmero real de aos que ha vivido la persona (ejemplo: 5,37 aos) entonces es
continua.
Distribucin de probabilidad
Una variable aleatoria tal que todos sus valores posibles son equiprobables es
un caso muy particular. En general, cada uno de los valores posibles puede tener
distinta probabilidad. Por eso nos interesa estudiar cmo se distribuyen las
probabilidades en los distintos valores posibles de la variable.
Al conjunto de valores posibles, y la relacin entre ellos y sus respectivas
probabilidades, se lo conoce como distribucin de probabilidad.
Notemos que:

1) La probabilidad de un determinado valor no puede ser menor que cero.

2) La suma de las probabilidades de todos los valores da 1, porque al hacer el
experimento siempre sale uno de los resultados posibles.
La distribucin de probabilidad se puede expresar de diversas formas.
Generalmente se usa la funcin de densidad de probabilidad.
Funcin de densidad de probabilidad
Esta funcin le asigna a cada valor posible de la variable aleatoria un nmero
real que consiste en la probabilidad de que ocurra, y por supuesto debe cumplir
con las 2 condiciones que enunciamos antes:
a) no puede ser negativa en ningn punto
b) la suma de las probabilidades de todos los valores da 1.
Puede pensarse que la condicin "a" es insuficiente, porque la probabilidad no
solamente no puede ser menor que cero, sino tampoco mayor que uno. Pero
agregar esa condicin sera redundante, porque la condicin "b" garantiza que eso
no puede ocurrir, ya que si la probabilidad para un valor fuera mayor que 1, como
ninguna probabilidad puede ser negativa, entonces la suma dara necesariamente
mayor a 1.
En variables aleatorias discretas, la funcin de densidad se define as:
( ) Es una funcin que a cada valor posible le asigna su probabilidad.
( ) Es una funcin de densidad de probabilidad discreta si y solo si cumple
con:
1)
2)

( )
( )

Veamos algunas funciones de distribucin comunes:

Bernoulli
Daniel
Bernoulli,
matemtico,
fsico,
estadstico y
mdico
holandssuizo.

Es un experimento que puede arrojar 2 resultados posibles. A uno de los

resultados se le denomina arbitrariamente "xito" y al otro "fracaso". El
experimento de Bernoulli lleva asociada una probabilidad (la probabilidad de
"xito").

Distribucin:
"Cul es la probabilidad de obtener x xitos en n intentos?"
Si

Es decir: X es una variable binomial con parmetros n y p

Es decir: X es la variable que representa la cantidad de xitos obtenidos en n
experimentos de Bernoulli independientes, cada uno con probabilidad de xito p.
(

( )
{

Simon Denis

Poisson

Poisson, fsico y
matemtico
francs, al que se
le conoce por sus
trabajos en el
campo de la
electricidad y
estadstica.

"Cul es la probabilidad de obtener x eventos en el intervalo estudiado?"

Si bien el proceso de Poisson trabaja con los parmetros
intervalo) y

(longitud del

(intensidad), la distribucin de Poisson usa solamente el parmetro

Como

es la longitud del intervalo, y

es la cantidad esperada de

eventos por unidad de tiempo, entonces m resulta ser la media. Es decir que esta
distribucin tiene la caracterstica de que su media resulta valer directamente lo
mismo que valga el parmetro .
Si

( )

Es decir: X es una variable Poisson con media .

Es decir: X es la variable que representa la cantidad de eventos obtenidos en
un intervalo de longitud

e intensidad . Entonces:
(

Normal
Cuando la funcin de densidad es la siguiente:

Carl Friederich Gauss

( )

matemtico, astrnomo y
fsico alemn que contribuyo

a la teora de nmeros,
anlisis matemtico,
estadstica, entre otros.

La distribucin se llama "Normal" (o de "Gauss").

La grfica de esta funcin de densidad se conoce con el nombre de "campana
de Gauss"
A primera vista podemos observar:
1.

A diferencia de todas las distribuciones que vimos anteriormente, es nonula para todos los nmeros reales.

2.

Tiene 2 parmetros,
El parmetro

y .

puede ser cualquier nmero real, y es, directamente, la media

de la distribucin.
El parmetro

puede ser cualquier nmero real positivo, y es, directamente, el

desvo estndar de la distribucin.

La notacin

) significa que la variable aleatoria

distribucin normal con parmetros

aleatoria

tiene una

y . O dicho de otra forma, que la variable

tiene una distribucin normal, cuya media es , y cuya varianza es

Cuando

demostrar que si
aleatoria
Es decir:

, la distribucin se llama normal estndar. Se puede

es cualquier variable aleatoria normal, y tomamos la variable

, entonces,
(

resulta ser una variable aleatoria normal estndar.

) Lo cual puede ser demostrado

mediante un simple cambio de variables. Esto nos permite, dada cualquier variable
aleatoria normal, encontrar una variable aleatoria normal estndar, que es la que
encontraremos en las tablas.
Teorema central del lmite
Si

es el promedio de una muestra de tamao n de una poblacin con media

y desviacin estndar

, entonces la variable aleatoria

tiene una

distribucin aproximadamente normal estndar, bajo las siguientes condiciones:

1.

Si

, la distribucin de

es aproximadamente normal estndar sin

importar la distribucin de las .

2.

Si

, la distribucin de

distribucin de las

es aproximadamente normal solamente si la

no difiere mucho de la distribucin normal (por ejemplo:

si es simtrica).
3.

Si la distribucin de las

es normal, la distribucin de

es normal sin

importar el valor de n.
Actividad 3. Calculando probabilidad.
Las probabilidades permiten modelar situaciones aleatorias de nuestra vida.
stas reflejan un nmero que indica la posibilidad de que suceda o no un evento.
Con esto se puede comprender mejor lo que est sucediendo y hasta predecir
posibles sucesos futuros. Por ello, te invitamos a realizar la siguiente actividad en
la cual es necesario calcular la probabilidad de eventos de nuestro quehacer.
Resolvamos los siguientes planteamientos:

1. Calculemos la probabilidad de que al lanzar dos monedas al aire salga:

a. Dos caras.
b. Una cara y un sello.
c. Dos sellos o una cara y un sello
2. En la unidad motorizada de una estacin policial recibi una dotacin de 12
motos, de las cuales 5 son de cilindraje 250cc y 7 el resto de 650cc.

Si se

encuentran 3 funcionarias y 8 funcionarios activos en este servicio. Responda:

a. Cul es la probabilidad de que a una funcionaria le toque una moto con
cilindraje 250cc?
b. Cul es la probabilidad de que a un funcionario le toque una moto con
cilindraje 250cc?
Cul es la probabilidad de que a una funcionaria le toque una moto con
cilindraje 650cc?

3. En una estacin de bomberos, integrada

por

32 funcionarios y 18

funcionarias bomberiles, de los cuales, la mitad de ambos grupos de oficiales

estn adscritos al servicio de operaciones contra incendio y administracin.
a. Cul es la probabilidad de que una persona elegida al azar sea funcionario
y que este en el servicio de operaciones contra incendio y administracin?
b. Cul es la probabilidad de que sea funcionaria y no est en el servicio
operaciones contra incendio y administracin?
c. Cul es la probabilidad de que ejerza en el servicio de operaciones contra
incendio y administracin dado que sea funcionaria?

Actividad 4. Resolviendo problemas de probabilidad.

Estimadas y estimados estudiantes!
En la actividad nmero 3, titulada Calculando probabilidad, resolvimos
problemas de probabilidad; en este apartado proponemos que determines algunas
probabilidades relacionados a nuestro quehacer. Los problemas son:
1. Realiza una encuesta en tu comunidad de una muestra mayor a 30 personas,
la encuesta recoger datos como:
a. Nombre.
b. Mes de nacimiento.
c. Edad.
d. Sexo.

e. Estado civil.
f. Problema de la comunidad que ms le afecta.
Elabora una tabla de frecuencias con los datos recogidos. Esta encuesta nos
permite caracterizar la poblacin de una determinada regin. Calcula los
porcentajes de los renglones: mes de nacimiento, edad, sexo, estado civil y
problema de la comunidad que ms le afecta, y determina las siguientes
probabilidades:
a) Al seleccionar una encuesta al azar sta tenga una edad menor a 25 aos.
b) Al seleccionar una encuesta al azar sta sea soltera o soltero.
c) Selecciona uno de los problemas de las comunidades y calcula la
probabilidad de que se escoja ese problema al seleccionar dos encuestas al azar.
d) Al seleccionar una encuesta al azar sta tenga una edad entre 20 y 30 aos
y sea mujer.
e) Al seleccionar tres encuestas al azar la probabilidad de que alguna tenga
mes de nacimiento enero
f) Al seleccionar una encuesta al azar sta est casada, dado que tiene una
edad mayor a 25 aos.
Redacta tus conclusiones sobre la poblacin estudiada basndote en las
probabilidades y porcentajes calculados. Haz nfasis en la problemtica de la
comunidad.
________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________

__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
____________

Actividad final del encuentro

Con el fin de sistematizar los saberes abordados a travs de las actividades
planteadas en el encuentro didctico, cerraremos con una actividad donde podrs
valorar tu proceso de aprendizaje. En esta seccin, encontrars una serie de
planteamientos referidos a problemas de la probabilidad y su aplicabilidad en la
funcin de los rganos de seguridad ciudadana, a los cuales dars respuesta clara
y coherente. Para ello:
Responde todas las preguntas planteadas en el orden que se te presentan.
Socializa tus reflexiones y comentarios con tus dems compaeras y
compaeros de ambiente en los encuentros presenciales.
Sistematiza la experiencia para establecer relaciones entre los saberes
abordados y nuestro contexto laboral.
Al finalizar todos los ejercicios, puedes comparar tus respuestas con la
clave de correccin ubicada al final del encuentro didctico.
Actividades
1. Sean A y B dos sucesos y
que ( )
a. ( )

b. ( )

, (

y (

, sus complementarios. Si se verifica

)

, hallar:

c. (

2. En un polgono de tiro se realiza una prctica por parte de dos funcionarios

de seguridad. El primero da en el blanco (disco metlico) con un promedio de 2
aciertos cada 5 disparos y el segundo un acierto cada 2 disparos. Si los dos
disparan al mismo tiempo a hacia el blanco, cul es la probabilidad de que den
en blanco?
3. De cuntas formas pueden ordenarse 10 oficiales de seguridad en una fila
de 4 oficiales?

Clave de correccin:
1.
a. Calculamos ( ). Si ()
()

, por tanto

( ),

Entonces, ( )
b.

()

, entonces ( )

Calculamos

( ).

Aplicamos (

( )

( )

).

Conocemos todo menos ( ), despejamos y nos queda:

( )

) ( )

c. Calculemos

), sustituimos p(A)=

). Apliquemos p(A/B)=

)
( )

2. La probabilidad del primer funcionario es p(A)= 2/5 y del segundo funcionario

es de p(B)= .
Luego la (

)
(

Finalmente,

,
)

3. Ntese que no importa el orden en que se sienten las personas, ya que los
cuatro sitios son diferentes, y que una persona no puede ocupar ms de un sitio a
la vez. Por lo tanto, hay

Maneras.

ENCUENTRO DIDCTICO 2. ESTIMACIN DE PARMETROS

Saber: Las y los estudiantes desarrollarn habilidades para la construccin de

estudios estadsticos de estimacin de parmetros que permitan contribuir a la
ejecucin de acciones por parte de los rganos de seguridad ciudadana en
beneficio de la ciudadana.
Orientaciones generales para el desarrollo del encuentro:
Estimados y estimadas estudiantes, en el encuentro didctico Estimacin de
parmetros abordaremos los siguientes saberes: muestreo, intervalos de
confianza y estimacin de errores. Cada una vista desde la perspectiva de mirada
policial, los cuales contribuyen como herramientas importantes que fortalecen el
ejercicio de las funcionarias y funcionarios en aras de garantizar la seguridad
ciudadana.
Para desarrollar los saberes mencionados anteriormente, presentamos varias
actividades que debers realizar con el fin de sintetizar tu teora y tu prctica
desde la funcin policial, dentro de las cuales tenemos:
1.

Lectura sobre Estimando Parmetros en la Funcin de los rganos de

seguridad ciudadana, lo que nos permitir profundizar sobre la teora de

muestreo, que puede emplearse para obtener informacin acerca de muestras
obtenidas aleatoriamente de una poblacin conocida.
2.

Seguidamente, algunos planteamientos vinculados al ejercicio de tus

funciones donde se utilice la estimacin de parmetros para describir una

poblacin y en el que debas plantear las soluciones, para luego hacer un escrito
reflexivo que nos hable de las ventajas de la estimacin.
3.

Luego, la actividad 1 ser la oportunidad de practicar para aprender a

reconocer como llevar a cabo todo el proceso de anlisis de los datos o

informacin recogida a travs de un estudio. El propsito de la misma es

brindarnos herramientas que nos permitan elaborar un informe completo sobre las
situaciones de una determinada poblacin.
Para culminar el encuentro, presentamos una actividad final donde debers
utilizar todo lo aprendido, consta de ejercicios con distintos niveles de complejidad.
Al final, encontraras una clave de respuestas que te permitir evaluar tus avances.
Iniciemos nuestro recorrido con la mejor disposicin para aprender y as
enriquecer nuestra funcin policial.

Actividad 1. Lectura: Estimando Parmetros en la Funcin de los rganos

de seguridad ciudadana
Por lo general las poblaciones a estudiar son muy grandes como para ser
estudiadas en su totalidad. Su tamao requiere que se seleccionen muestras, las
cuales se pueden utilizar ms tarde para hacer inferencias sobre las poblaciones.
Si un oficial quiere estudiar la edad promedio de las personas que cometieron un
delito en los ltimos 3 aos, la poblacin puede ser muy grande y por lo tanto muy
complicado calcular el promedio. Sera mucho ms fcil estimar la media
poblacional con la media de una muestra representativa.
Hay por lo menos dos tipos de estimadores que se utilizan ms comnmente
para este propsito: un estimador puntual y un estimador por intervalo. Un
estimador puntual utiliza un estadstico (cantidad obtenida de una muestra con el
propsito de estimar un parmetro de la poblacin) para estimar el parmetro en
un solo valor o punto. Por ejemplo, el oficial puede tomar una muestra de tamao
100 y calcular el promedio de las edades.
Una estimacin por intervalo especifica el rango dentro del cual est el
parmetro desconocido. El oficial puede decir que la media poblacional est entre
24,3 y 27,8. Tal intervalo, con frecuencia va acompaado de una afirmacin sobre

el nivel de confianza que se da en su exactitud. Por tanto se llama intervalo de

confianza.
Repasemos un poco el muestreo estadstico:
Muestreo
Habitualmente, el investigador no trabaja con todos los elementos de la
poblacin que estudia sino slo con una parte o fraccin de ella; a veces, porque
es muy grande y no es fcil abarcarla en su totalidad. Por ello, se elige una
muestra representativa y los datos obtenidos en ella se utilizan para realizar
pronsticos en poblaciones futuras de las mismas caractersticas.
Se conoce con el nombre de muestreo al proceso de extraccin de una muestra
a partir de la poblacin. El proceso esencial del muestreo consiste en identificar la
poblacin que estar representada en el estudio.
La importancia del muestreo radica en que no es necesario trabajar con la
totalidad de los elementos de una poblacin (N) para comprender con un nivel
razonable de exactitud la naturaleza del fenmeno estudiado. Este conocimiento
se puede obtener a partir de una muestra que se considere representativa de
aquella poblacin.
Tipos de muestreo
Existen dos mtodos para seleccionar muestras de poblaciones; el muestreo no
aleatorio o de juicio y el muestreo aleatorio o de probabilidad.
Muestreo probabilstico
Conocido tambin como muestreo de seleccin aleatoria, utiliza el azar como
instrumento de seleccin, pudindose calcular de antemano la probabilidad de que
cada elemento sea incluido en la muestra. Para Marn Ibaez (1985) este tipo de
muestreo es el que alcanza mayor rigor cientfico, y se caracteriza porque se

cumple el principio de la equiprobabilidad, segn el cual todos los elementos de la

poblacin tienen la misma probabilidad de salir elegidos en una muestra.
Es la modalidad de muestreo ms conocida y que alcanza mayor rigor
cientfico. Garantiza la equiprobabilidad de eleccin de cualquier elemento y la
independencia de seleccin de cualquier otro. En este procedimiento se extraen al
azar un nmero determinado de elementos, n, del conjunto mayor N o poblacin,
procediendo segn la siguiente secuencia: a) definir la poblacin, confeccionar
una lista de todos los elementos, asignndoles nmeros consecutivos desde 1
hasta n; b) la unidad de base de la muestra debe ser la misma; c) definir el
tamao de la muestra, y d) extraer al azar los elementos.
La muestra quedar formada por los n elementos obtenidos mediante sorteo
de la poblacin. Los procedimientos ms comunes de extraccin de los elementos
en este tipo de muestreo son: las tablas de nmeros aleatorios, incluidas en los
manuales de estadstica; los clsicos sistemas de lotera y otros procedimientos
de extraccin al azar, incluidos las aplicaciones informticas.
Muestreo Estratificado
Este muestreo se utiliza cuando la poblacin est constituida en estratos o
conjuntos de la poblacin homogneos con respecto a la caracterstica que se
estudia. Dentro de cada estrato se puede aplicar el muestreo aleatorio o
sistemtico. Consiste en subdividir la poblacin en subgrupos o estratos con
arreglo a la/s caracterstica/s que se consideren y en elegir la muestra de modo
que estn representados los diferentes estratos.
Para la obtencin de la muestra estratificada se siguen los siguientes pasos:
a) Se divide la poblacin en estratos; b) de cada estrato se extrae una muestra
por algn procedimiento de muestreo; c) el nmero de individuos de cada estrato
se puede decidir por paridad o proporcionalidad; y d) la suma de las muestras de
cada estrato forman la muestra total n. (Latorre, Rincn y Arnal, 2003)

Muestreo no probabilstico
En estas tcnicas no se utiliza el muestreo al azar, sino que la muestra se
obtiene atendiendo al criterio o criterios del investigador o bien por razones de
economa, comodidad, etc. Consecuentemente, estas tcnicas no utilizan el
criterio de equiprobabilidad, sino que siguen otros criterios, procurando que la
muestra obtenida sea lo ms representativa posible. Estas muestras, al no utilizar
el muestreo al azar, no tienen la garanta de las muestras probabilsticas, pero en
la prctica son a menudo necesarias e inevitables, en opinin de Kerlinger (1975).
Dentro de este tipo de muestreo se suele distinguir entre muestreo accidental e
intencional o deliberado.
Muestreo Accidental o No Casual
Este tipo de muestreo se caracteriza por utilizar las muestras que tiene a su
alcance. Se denominan accidentales porque no responden a una planificacin
previa en cuanto a los sujetos a elegir. De hecho, toma las muestras disponibles
sin introducir seleccin o modificacin alguna. Por ejemplo, empresas, centros
completos, cursos o grupos dentro de un nivel, etc.
Muestreo intencional
En esta tcnica, el investigador selecciona de modo directo los elementos de la
muestra que desea participen en su estudio. Se eligen los individuos o elementos
que se estima que son representativos o tpicos de la poblacin. Se sigue un
criterio establecido por el experto o investigador. Se suelen seleccionar los sujetos
que se estima que pueden facilitar la informacin necesaria.
Intervalos de confianza
Se llama as a un intervalo en el que sabemos que est un parmetro, con un
nivel de confianza especfico.

Nivel de confianza (NC)

Probabilidad de que el parmetro a estimar se encuentre en el intervalo de
confianza.
Veamos las ecuaciones para los intervalos de confianza de la media en
variables aleatorias que se distribuyen de manera normal y no normal.

Poblacin

Desviacin

Desviacin

poblacional conocida
Normal

No normal

Debemos

poblacional desconocido
(

pedir

Debemos

pedir

Recordemos
que el smbolo
quiere decir que se
deben calcular dos

Donde:

resultados uno con

el ms y otro con el

1.
2.

es el promedio muestral.
es el tamao de la muestra.

3.

es el desvo poblacional.

4.

es el desvo muestral (calculado a partir de la muestra).

5.

. Es decir, si nos piden 95% de confianza,

.

6.

es un valor de la distribucin normal estndar.

7.

es un valor de la distribucin t-Student.

Los valores

y se obtienen de las correspondientes tablas.

Ejemplos:
1) La cantidad de horas que diversos oficiales patrullan en una determinada
zona es una variable aleatoria normal, cuya media se desea estimar, para lo cual
se toma una muestra de 9 das, con las siguientes duraciones en horas, resultan:
6.3, 6.8, 7.3, 5.4, 8.1, 7.9, 6.9, 6.2, 8.3.
Se pide, calcular el intervalo del 95% de confianza para estimar la media.
Solucin:
Como no conocemos el desvo poblacional, usaremos
El tamao de la muestra es n = 9.
Vamos a necesitar calcular y .

Buscamos el valor de la t-Student en la tabla (esta tabla se encuentra al final del

captulo), y obtenemos

Ya estamos en condiciones de obtener los lmites del intervalo:

De esta forma el intervalo nos queda: (

).

Errores de estimacin
El error de la estimacin viene dado por las siguientes formulas:
Poblacin

Desviacin

poblacional

conocida
)

No normal

poblacional

desconocido
(

Normal

Desviacin

Debemos pedir

Debemos pedir

Ejemplo:
En nuestro problema anterior el error viene dado por:
(

Tamao de la muestra
El tamao de la muestra est dado por el nmero de sujetos que componen
la muestra extrada de una poblacin.

El tamao de la muestra se calcula de la siguiente forma:

Poblacin

Desviacin

poblacional

conocida
(

No normal

(
)

0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
1,1
1,2

0
0,5
0,53
983
0,57
926
0,61
791
0,65
542
0,69
146
0,72
575
0,75
804
0,78
814
0,81
594
0,84
134
0,86
433
0,88

0,01
0,50
399
0,54
38
0,58
317
0,62
172
0,65
91
0,69
497
0,72
907
0,76
115
0,79
103
0,81
859
0,84
375
0,86
65
0,88

0,02
0,50
798
0,54
776
0,58
706
0,62
552
0,66
276
0,69
847
0,73
237
0,76
424
0,79
389
0,82
121
0,84
614
0,86
864
0,88

0,03
0,51
197
0,55
172
0,59
095
0,62
93
0,66
64
0,70
194
0,73
565
0,76
73
0,79
673
0,82
381
0,84
849
0,87
076
0,89

(
)

Debemos pedir

nor
mal

poblacional

desconocido

Normal

Tablas de la normal

Desviacin

Debemos pedir

0,04
0,51
595
0,55
567
0,59
483
0,63
307
0,67
003
0,70
54
0,73
891
0,77
035
0,79
955
0,82
639
0,85
083
0,87
286
0,89

0,05
0,51
994
0,55
962
0,59
871
0,63
683
0,67
364
0,70
884
0,74
215
0,77
337
0,80
234
0,82
894
0,85
314
0,87
493
0,89

0,06
0,52
392
0,56
356
0,60
257
0,64
058
0,67
724
0,71
226
0,74
537
0,77
637
0,80
511
0,83
147
0,85
543
0,87
698
0,89

0,07
0,52
79
0,56
749
0,60
642
0,64
431
0,68
082
0,71
566
0,74
857
0,77
935
0,80
785
0,83
398
0,85
769
0,87
9
0,89

0,08
0,53
188
0,57
142
0,61
026
0,64
803
0,68
439
0,71
904
0,75
175
0,78
23
0,81
057
0,83
646
0,85
993
0,88
1
0,89

0,09
0,53
586
0,57
535
0,61
409
0,65
173
0,68
793
0,72
24
0,75
49
0,78
524
0,81
327
0,83
891
0,86
214
0,88
298
0,90

1,3
1,4
1,5
1,6
1,7
1,8
1,9
2
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9

493
0,90
32
0,91
924
0,93
319
0,94
52
0,95
543
0,96
407
0,97
128
0,97
725
0,98
214
0,98
61
0,98
928
0,99
18
0,99
379
0,99
534
0,99
653
0,99
744
0,99
813
0,99
865
0,99
903
0,99
931
0,99
952
0,99
966
0,99
977
0,99
984
0,99
989
0,99
993
0,99
995

686
0,90
49
0,92
073
0,93
448
0,94
63
0,95
637
0,96
485
0,97
193
0,97
778
0,98
257
0,98
645
0,98
956
0,99
202
0,99
396
0,99
547
0,99
664
0,99
752
0,99
819
0,99
869
0,99
906
0,99
934
0,99
953
0,99
968
0,99
978
0,99
985
0,99
99
0,99
993
0,99
995

877
0,90
658
0,92
22
0,93
574
0,94
738
0,95
728
0,96
562
0,97
257
0,97
831
0,98
3
0,98
679
0,98
983
0,99
224
0,99
413
0,99
56
0,99
674
0,99
76
0,99
825
0,99
874
0,99
91
0,99
936
0,99
955
0,99
969
0,99
978
0,99
985
0,99
99
0,99
993
0,99
996

065
0,90
824
0,92
364
0,93
699
0,94
845
0,95
818
0,96
638
0,97
32
0,97
882
0,98
341
0,98
713
0,99
01
0,99
245
0,99
43
0,99
573
0,99
683
0,99
767
0,99
831
0,99
878
0,99
913
0,99
938
0,99
957
0,99
97
0,99
979
0,99
986
0,99
99
0,99
994
0,99
996

251
0,90
988
0,92
507
0,93
822
0,94
95
0,95
907
0,96
712
0,97
381
0,97
932
0,98
382
0,98
745
0,99
036
0,99
266
0,99
446
0,99
585
0,99
693
0,99
774
0,99
836
0,99
882
0,99
916
0,99
94
0,99
958
0,99
971
0,99
98
0,99
986
0,99
991
0,99
994
0,99
996

435
0,91
149
0,92
647
0,93
943
0,95
053
0,95
994
0,96
784
0,97
441
0,97
982
0,98
422
0,98
778
0,99
061
0,99
286
0,99
461
0,99
598
0,99
702
0,99
781
0,99
841
0,99
886
0,99
918
0,99
942
0,99
96
0,99
972
0,99
981
0,99
987
0,99
991
0,99
994
0,99
996

617
0,91
308
0,92
785
0,94
062
0,95
154
0,96
08
0,96
856
0,97
5
0,98
03
0,98
461
0,98
809
0,99
086
0,99
305
0,99
477
0,99
609
0,99
711
0,99
788
0,99
846
0,99
889
0,99
921
0,99
944
0,99
961
0,99
973
0,99
981
0,99
987
0,99
992
0,99
994
0,99
996

796
0,91
466
0,92
922
0,94
179
0,95
254
0,96
164
0,96
926
0,97
558
0,98
077
0,98
5
0,98
84
0,99
111
0,99
324
0,99
492
0,99
621
0,99
72
0,99
795
0,99
851
0,99
893
0,99
924
0,99
946
0,99
962
0,99
974
0,99
982
0,99
988
0,99
992
0,99
995
0,99
996

973
0,91
621
0,93
056
0,94
295
0,95
352
0,96
246
0,96
995
0,97
615
0,98
124
0,98
537
0,98
87
0,99
134
0,99
343
0,99
506
0,99
632
0,99
728
0,99
801
0,99
856
0,99
896
0,99
926
0,99
948
0,99
964
0,99
975
0,99
983
0,99
988
0,99
992
0,99
995
0,99
997

147
0,91
774
0,93
189
0,94
408
0,95
449
0,96
327
0,97
062
0,97
67
0,98
169
0,98
574
0,98
899
0,99
158
0,99
361
0,99
52
0,99
643
0,99
736
0,99
807
0,99
861
0,99
9
0,99
929
0,99
95
0,99
965
0,99
976
0,99
983
0,99
989
0,99
992
0,99
995
0,99
997

0,99
997

0,99
997

0,99
997

0,99
997

0,99
997

0,99
997

0,99
998

0,99
998

0,99
998

0,99
998

Por ejemplo:

Entonces buscamos en la tabla un valor aproximado a este, que es:

0.95053, en ese valor a indica en la primera columna 1.6 y en la primera fila 0. 05,
as el valor de la normal es la suma de ambos, es decir 1.65:

Tablas de la t-Student

0.75

0.80

0.85

0.90

0.95

0.97

0.99

5
1

10

1.000

0.816

0.765

0.741

0.727

0.718

0.711

0.706

0.703

0.700

0.99
5

1.37

1.96

3.07

6.31

12.70

31.82

63.65

1.06

1.38

1.88

2.92

4.30

6.96

9.92

0.97

1.25

1.63

2.35

3.18

4.54

5.84

0.94

1.19

1.53

2.13

2.77

3.74

4.60

0.92

1.15

1.47

2.01

2.57

3.36

4.03

0.90

1.13

1.44

1.94

2.44

3.14

3.70

0.89

1.11

1.41

1.89

2.36

2.99

3.49

0.88

1.10

1.39

1.86

2.30

2.89

3.35

0.88

1.10

1.38

1.83

2.26

2.82

3.25

0.87

1.09

1.37

1.81

2.22

2.76

3.16

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

0.697

0.695

0.694

0.692

0.691

0.690

0.689

0.688

0.688

0.687

0.686

0.686

0.685

0.685

0.684

0.684

0.684

0.683

0.87

1.08

1.36

1.79

2.20

2.71

3.10

0.87

1.08

1.35

1.78

2.17

2.68

3.05

0.87

1.07

1.35

1.77

2.16

2.65

3.01

0.86

1.07

1.34

1.76

2.14

2.62

2.97

0.86

1.07

1.34

1.75

2.13

2.60

2.94

0.86

1.07

1.33

1.74

2.12

2.58

2.92

0.86

1.06

1.33

1.74

2.11

2.56

2.89

0.86

1.06

1.33

1.73

2.10

2.55

2.87

0.86

1.06

1.32

1.72

2.09

2.53

2.86

0.86

1.06

1.32

1.72

2.08

2.52

2.84

0.85

1.06

1.32

1.72

2.08

2.51

2.83

0.85

1.06

1.32

1.71

2.07

2.50

2.81

0.85

1.06

1.31

1.71

2.06

2.50

2.80

0.85

1.05

1.31

1.71

2.06

2.49

2.79

0.85

1.05

1.31

1.70

2.06

2.48

2.78

0.85

1.05

1.31

1.70

2.05

2.47

2.77

0.85

1.05

1.31

1.70

2.05

2.47

2.77

0.85

1.05

1.31

1.70

2.04

2.46

2.76

29

30

40

60

120

0.683

0.683

0.681

0.679

0.677

0.674

0.85

1.05

1.31

1.69

2.04

2.46

2.75

0.85

1.05

1.31

1.69

2.04

2.45

2.75

0.85

1.05

1.30

1.68

2.02

2.42

2.70

0.84

1.04

1.29

1.67

2.00

2.39

2.66

0.84

1.04

1.28

1.65

1.98

2.35

2.61

0.84

1.03

1.28

1.64

1.96

2.32

2.57

Por ejemplo:

Buscamos el valor 0.95 en la primera fila y el valor de 25 en la primera columna,

as el valor de

Muy bien!
Ya avanzamos en el
empoderamiento de saberes sobre la
estimacin de parmetros. Ahora
practiquemos lo aprendido
Actividad 2. Construyendo problemas de estimacin de parmetros.
Apreciados y apreciadas estudiantes!
La estimacin de parmetros es una herramienta muy til dentro de las
estadsticas, ya que nos permite caracterizar o describir de forma aproximada una
poblacin que desconocemos en su mayora. En la funcin de los rganos de
seguridad ciudadana, sta permite comprender diversas situaciones a partir de
una pequea muestra. Por ello, te invitamos a realizar la siguiente actividad que

tiene como propsito desarrollar un pensamiento analtico con el cual las y los
estudiantes lleven a cabo estudios estadsticos vinculados al ejercicio de sus
funciones.
La actividad a realizar es la siguiente:
1.

Construye 3 planteamientos (problemas) vinculados al ejercicio de tus

funciones en la cual se utilice la estimacin de parmetros para describir
una poblacin. Los planteamientos deben incluir el estudio de una
poblacin especfica y la realizacin de los clculos estadsticos necesarios
para poder estimar parmetros. (Los planteamientos no necesitan tener
datos reales)

2.

Realiza las soluciones a los planteamientos propuestos en el tem anterior.

3.

Realiza un escrito en el cual reflexiones sobre las ventajas de la estimacin

de parmetros en los rganos de seguridad ciudadana.
________________________________________________________________

__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________

Actividad 3. Estimando parmetros en la prctica.

Sigamos avanzando estimados y estimadas estudiantes! En esta oportunidad
te proponemos una actividad en la cual podemos llevar a cabo todo el proceso de
anlisis de los datos o informacin recogida a travs de un estudio. El propsito de
la misma es brindarnos herramientas que nos permitan elaborar un informe
completo sobre las situaciones de una determinada poblacin. Por ello, la
actividad que te proponemos es la siguiente:
1.

Recolecta informacin referente al nmero de situaciones delictivas que

han vivido los vecinos de las comunidades en las cuales te desempees.
Recolecta una muestra de tamao 20. La encuesta debe tener, nombre,
edad, sexo y el nmero de situaciones adversas referidas a la seguridad
ciudadana.

2.

Elabora una tabla de frecuencia y un grfico de barras en la cual se reflejen

los resultados de tus encuestas.

3.

Estima la media poblacional a partir de la muestra con un nivel de confianza

de 95% y calcula el error.

4.

Refleja tus conclusiones en un texto de mximo 7 lneas.

Actividad final del encuentro

Con el fin de sistematizar los saberes abordados a travs de las actividades

planteadas en el encuentro didctico, cerraremos con una actividad final donde
podrs valorar el proceso de aprendizaje. En esta seccin, encontrars una serie
de problemas referidos al muestreo, intervalos de confianza y estimacin de
errores, cada una vista desde una mirada de los rganos de seguridad ciudadana,
cuyas respuestas deben ser claras y coherentes en funcin de los aprendizajes
adquiridos. Para ello:
Responde todas las preguntas planteadas en el orden que se te presentan.
Socializa tus reflexiones y comentarios con tus dems compaeras y
compaeros de ambiente en los encuentros presenciales.

 Sistematiza la experiencia para establecer relaciones entre los saberes

abordados y nuestro contexto laboral.
Al finalizar todos los ejercicios, puedes comparar tus respuestas con la
clave de correccin ubicada al final del encuentro didctico.
Actividades.

1. Sea la poblacin de elementos: {22, 24, 26}. Suponga que esta poblacin
representa el nmero de armas incautadas en los ltimos tres meses en un recinto
carcelario.
a. Escriba todas las muestras posibles de tamao dos, escogidas
mediante muestreo aleatorio simple.

b. Calcule la varianza de la poblacin.

2. Se ha tomado una muestra de los precios de un mismo producto alimenticio

en 16 comercios, elegidos al azar en un barrio de una ciudad, y se han encontrado
los siguientes precios:
95

108

97

112

99

106

105

100

99

98

104

110

107

111

103

Suponiendo que los precios de este producto se distribuyen segn una ley
normal de varianza 25 y media desconocida:
4.

Cul es la distribucin de la media muestral?

110

b. Determine el intervalo de confianza, al 95%, para la media poblacional.

Clave de correccin
1.
a.
b. La varianza de la poblacin es:

.
2.
a.

= 104 es la distribucin de la media muestral.

b.

)=

)=

).

Como debemos calcular el intervalo de confianza al 95 %

Luego
Buscamos el valor 0.975 en la tabla de la normal nos encontramos con 0,97615
que es su mayor aproximacin, la cual se encuentra en la casilla 1,9 y 0.06. Por lo
tanto:

= 1.96+0.06= 1.96.

Finalmente, nos queda que:

(104 - 1.96 * 1.25, 104 + 1.9 * 1.25) = (101.55; 106.45) es el nivel de confianza
para la media muestra al 95%.

ENCUENTRO DIDCTICO 3. PRUEBAS DE HIPTESIS

Saber: Las y los estudiantes desarrollaran habilidades para la formulacin de

pruebas de hiptesis en el estudio y anlisis de sucesos referidos a la seguridad
ciudadana de forma de poder plantear acciones que impacten en los problemas
que afectan a esta.
Orientaciones generales para el desarrollo del encuentro:
Apreciados y apreciadas estudiantes, en el encuentro didctico denominado
Pruebas de hiptesis abordaremos los siguientes saberes: tipos de hiptesis,
pruebas bilaterales y unilaterales y tipos de errores, ser visto desde la
perspectiva de la funcin de los rganos de seguridad ciudadana con el fin de
contribuir con la prevencin y deteccin del delito.
Para desarrollar los saberes mencionados anteriormente presentamos unas
actividades que consisten en:
1. Preguntas generadoras, a partir de las cuales, activars tus saberes previos
con respecto a la temtica que se va a desarrollar, esto con el fin de partir de
tu realidad, condicin histrica, y de la toma de conciencia crtica en torno a
ella.
2. Lecturas sobre la prueba de hiptesis, pues es una herramienta que permite
caracterizar una poblacin sin necesidad de manejar los datos completos, es

decir, a partir de una muestra se puede inferir la poblacin mediante la

realizacin de una prueba de hiptesis.
3. Prueba de hiptesis a travs de diversos ejercicios planteados

y,

posteriormente, calcular diversas probabilidades en base a encuestas

elaboradas bajo unos estndares con los que podemos describir la poblacin
a la cual entrevistamos.
Para culminar el encuentro, presentamos una actividad final donde debers
utilizar todo lo aprendido. ste consta de ejercicios con distintos niveles de
complejidad. Por ltimo, encontraras una clave de respuestas que permitir
evaluar los avances.

Actividad 1. Planteando hiptesis y los rganos de seguridad ciudadana.

El nuevo modelo policial, el CICPC, El servicio penitenciario, los bomberos y
proteccin civil buscan hacer nfasis en la prevencin de sucesos que afecten la
seguridad ciudadana, es por ello que las pruebas de hiptesis son una
herramienta valiosa no solo para estos sino para todos los rganos de seguridad
ciudadana. Estas pruebas nos permiten plantear hiptesis y evaluarlas a partir de
datos recogidos de la poblacin.
Conociendo esto, te invitamos a compartir, en este espacio, tus saberes en
referencia a las hiptesis, a partir de las siguientes preguntas generadoras:
Qu entiendes por hiptesis? Cmo realizar una hiptesis puede ayudar a la
prevencin de situaciones que afecten a la seguridad ciudadana?
Posterior a esto, compartamos con las compaeras y compaeros nuestras
reflexiones en el encuentro presencial.

________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________

Actividad 2. Lectura: Pruebas de Hiptesis

El objetivo al tomar una muestra es extraer alguna conclusin o inferencia sobre
una poblacin. Nuestro inters es conocer acerca de los parmetros que
caracterizan la poblacin en estudio. El nico motivo para examinar muestras es
que las poblaciones suelen ser demasiado grandes y costosas de estudiar.
La prueba de hiptesis es un procedimiento estadstico que comienza con una
suposicin que se hace con respecto a un parmetro de poblacin, luego se
recolectan datos de muestra, se producen estadsticas de muestra y se usa esta
informacin para decidir qu tan probable es que sean correctas nuestras
suposiciones acerca del parmetro de poblacin en estudio.
Ejemplos de hiptesis pueden ser: Se desea
a) Probar si la media de robos en el municipio durante un fin de semana ha
disminuido con respecto al anterior.
b) Probar si el promedio de denuncias por alteraciones de orden pblico ha
disminuido en los ltimos fines de semana.
Objetivo de la prueba de hiptesis
Decidir, basado en una muestra de una poblacin, cul de dos hiptesis
complementarias es cierta.

Las dos hiptesis complementarias se denominan hiptesis nula e hiptesis

alternativa.
Conceptos Bsicos
Hiptesis Nula (H0)
Representa la hiptesis que mantendremos cierta, a no ser que los datos
indiquen su falsedad. Esta hiptesis nunca se considera aceptada, en realidad lo
que se quiere decir es que no hay suficiente evidencia estadstica para rechazarla
por lo que aceptar H0 no garantiza que H0 sea cierta.
Hiptesis Alternativa (H1)
Hiptesis que se acepta cuando los datos no respaldan la hiptesis nula.
Tipos de pruebas
a) Pruebas de hiptesis de 2 extremos o bilaterales. Estas pruebas son del tipo:

b) Pruebas de hiptesis de un extremo o unilateral.

b.1)
b.2)
Metodologa:
La lgica de una prueba de hiptesis es similar a la de un juicio penal, donde
debe decidirse si el acusado es inocente o culpable y el juicio consiste en aportar
evidencia para rechazar la hiptesis de inocencia ms all de cualquier duda
razonable. Por su parte una prueba de hiptesis analiza si los datos observados
permiten rechazar la hiptesis nula, comprobando si stos tienen una probabilidad
de aparecer lo suficientemente pequea cuando es cierta la hiptesis nula.
Las etapas de una prueba de hiptesis son:

a) Definir la hiptesis nula a contrastar.

b) Definir una medida de discrepancia entre los datos muestrales y la hiptesis
Ho. Supongamos que el parmetro de inters es la media de una poblacin

que a partir de una muestra hemos obtenido su estimador , entonces debemos

medir de alguna manera la discrepancia entre ambos, que denotaremos como
(

) .
c) Decidir qu discrepancia consideramos inadmisibles con

, es decir, a partir

de qu valor de , la discrepancia es muy grande como para atribuirse al azar y

considerar que

pueda ser cierta. Para ello debemos entonces:

5.

Tomar la muestra.

6.

Calcular el estimador del parmetro, en nuestro ejemplo .

7.

Calcular la medida de discrepancia .

8.

Tomar la decisin: Si

es pequea, aceptar

grande, rechazarla y aceptar

, si es lo suficientemente

Es por ello que necesitamos establecer una Regla de Decisin mediante la cual
sea especificada:
a) La medida de discrepancia.
b) Un criterio que nos permita juzgar qu discrepancias son demasiado
grandes
Veamos entonces:
a) Medidas de discrepancias:
Es natural considerar medidas de discrepancias del tipo:
|

Recordemos
que el smbolo ||
representa al
valor absoluto

De las que ser posible conocer su distribucin de probabilidad.

Si las hiptesis son bilaterales, el signo de la desviacin entre

no es

importante, sin embargo cuando la hiptesis es unilateral el signo de la

discrepancia s lo es.
b) Calculo de un valor mnimo

para la discrepancia para la aceptacin de

Para ello definamos:

Nivel de Significancia.
Para realizar una prueba de hiptesis, dividiremos el rango de discrepancias
que puede observarse cuando
aceptacin de

es cierta en dos regiones: una regin de

y otra de rechazo.

Se consideran discrepancias demasiado grandes, las que tienen una

probabilidad pequea de ocurrir si

es cierta. A este valor lo llamamos nivel de

significacin: generalmente tomamos valores de 0.1, 0.05, 0.01 o 0,005.

El nivel de significacin puede interpretarse tambin, como la probabilidad que
estamos dispuestos a asumir para rechazar

cuando sta es cierta. Cabe

destacar que mientras ms alto sea el nivel de significancia que se utiliza para
robar una hiptesis, mayor ser la probabilidad de rechazar una hiptesis nula
cuando es cierta.
Regin de Rechazo:
Una vez fijado

, la regin de rechazo se determina a partir de la distribucin

de probabilidad de
conocida elegiremos

) cuando

es cierta. Como esta distribucin es

de manera que discrepancias mayores de

probabilidad de ocurrir menor de

La regin de rechazo ser

,si

tengan

es cierta.
y la de no rechazo ser por consiguiente:

Si la discrepancia observada cae en la regin de rechazo se dice que se ha

producido una diferencia significativa y se rechaza la hiptesis nula

Tipos de errores
Cuando se decide sobre el rechazo de una hiptesis se pueden cometer dos
equivocaciones.
9.

Error tipo I ( ): es el rechazo de una hiptesis nula cuando es cierta.

P(Error tipo I) =

10.

(su probabilidad es el nivel de significancia).

Error tipo II ( ): es la aceptacin de una hiptesis nula cuando es falsa. Una

vez especificado el valor de , el de

queda fijado para cualquier tamao

de muestra determinada. El valor de

depende del valor verdadero de ,

por lo tanto existe un nmero infinito de valores de

de

, ya que hay un valor

diferente para cada valor verdadero que pueda tomar . Ahora bien,

dado un valor fijo de

, la probabilidad de cometer un error de tipo II

disminuir a medida que aumente el tamao muestral.

Existe un equilibrio entre los dos tipos de errores, la probabilidad de cometer un
tipo de error puede reducirse slo si deseamos incrementar la probabilidad de
cometer el otro.
Tipos de pruebas
a) Pruebas de hiptesis de 2 extremos o bilaterales.
Es una prueba en la que

se rechaza si el valor de la muestra es

significativamente mayor o menor que el valor hipotetizado del parmetro de

poblacin. Esta prueba involucra dos regiones de rechazo.

b) Pruebas de hiptesis de 1 extremo o unilaterales

Es una prueba en la que slo hay una regin de rechazo, es decir, slo nos
interesa si el valor observado se desva del valor hipotetizado en una direccin.
Pueden ser:
b.1) Prueba de extremo inferior: Es una prueba en la que si hay un valor
de muestra que se encuentra significativamente por debajo del valor de la
poblacin

hipotetizado,

nos

llevar

rechazar

la

hiptesis

nula.

Grficamente:

b.2) Prueba de extremo superior: Es una prueba en la que si hay un valor

de muestra que se encuentra significativamente por encima del valor de la
poblacin

hipotetizado,

Grficamente:

nos

llevar

rechazar

la

hiptesis

nula.

Pasos Generales
1) Identificar si el parmetro de inters es

2) Establecer las hiptesis correspondientes y el nivel de significancia.

3) Calcular la medida de discrepancia o estadstico de muestra.
4) Buscar el valor del percentil, en dependencia de la distribucin encontrada en
3.
5) Comparar los valores, tomar la decisin e interpretar los resultados.
Frmulas
a) Pruebas de hiptesis para medias:

conocida

desconocida

(muestras pequeas, n<30, y

aproximadamente normal la poblacin, t)

(muestras grandes, n30, z)

b) Pruebas de hiptesis para proporciones (muestras grandes,

(

):

Veamos un ejemplo:

En el transcurso de una investigacin antidrogas, se ha identificado el estilo de

pesaje de la droga de un laboratorio en aproximadamente 1000 grs. por panela de
restos y semillas vegetales, con una desviacin de 20 grs.; el laboratorio
aparentemente se ha percatado del seguimiento que se hace a travs de la
investigacin policial y a objeto de evadir las pesquisas ha modificado su pesaje
en 100 grs. El peso de las 200 ltimas panelas decomisadas ha resultado ser
aproximadamente de 1083 grs. Con un nivel de confianza del 95%, pruebe que las
panelas siguen siendo produccin del mismo laboratorio y efectivamente
incrementaron en 100 grs. su peso a objeto de desvirtuar posibles seguimientos
en la investigacin policial.
Solucin:
1. Datos:
En este caso conocemos la varianza de la poblacin,
grs.,

grs.,

, adems
.

2. Hiptesis:
grs.

1000 grs.

3. Estadstico de Prueba:

4 .Percentil:
o como n > 30
5. Justificacin y decisin:
58.68>1.96 por lo tanto se rechaza

y se concluye con un nivel de

significancia del 0.05 que el peso promedio de panelas ha sido modificado y

proviene de el mismo laboratorio.

Actividad 3. Realizando pruebas de hiptesis.

Apreciados y apreciadas estudiantes, como vimos en la actividad 1, las pruebas
de hiptesis son un elemento que nos permite evaluar hiptesis realizadas con lo
cual podemos mejorar nuestra accionar. Por ello, en este espacio te invitamos a
realizar pruebas de hiptesis a los siguientes planteamientos:
1.

Las puntuaciones en un test que mide la variable creatividad siguen, en la

poblacin general de adolescentes, una distribucin Normal de media 11,5. En un

centro escolar que ha implantado un programa de estimulacin de la creatividad
una muestra de 30 estudiantes ha proporcionado las siguientes puntuaciones:
11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6,
7, 15, 20, 14, 15.
A un nivel de confianza del 95% Puede afirmarse que el programa es efectivo?

2. En el transcurso de una investigacin antidrogas, se ha identificado el estilo

de pesaje de la droga de un laboratorio en aproximadamente 1005 grs. por panela
de restos y semillas vegetales, con una desviacin de 19 grs.; el laboratorio
aparentemente se ha percatado del seguimiento que se hace a travs de la
investigacin policial y a objeto de evadir las pesquisas ha modificado su pesaje
en 100 grs. El peso de las 800 ltimas panelas decomisadas ha resultado ser
aproximadamente de 1032 grs. Con un nivel de confianza del 95%, pruebe que las
panelas siguen siendo produccin del mismo laboratorio y efectivamente
incrementaron en 100 grs. su peso a objeto de desvirtuar posibles seguimientos
en la investigacin policial.

Actividad final del encuentro

Con el fin de sistematizar los saberes abordados a travs de las actividades
planteadas en el encuentro didctico, cerraremos con una actividad final donde
podrs valorar el proceso de aprendizaje. En esta seccin encontrars una serie
de problemas referidos a la hiptesis, pruebas bilaterales y unilaterales y tipos de
errores que sern vistos desde la mirada de la seguridad ciudadana, cuyas
respuestas deben ser claras y coherentes en funcin de los aprendizajes
adquiridos. Para ello:
Responde todas las preguntas planteadas en el orden que se te presentan.
Socializa tus reflexiones y comentarios con tus dems compaeras y
compaeros de ambiente en los encuentros presenciales.
Sistematiza la experiencia para establecer relaciones entre los saberes
abordados y nuestro contexto laboral.
Al finalizar todos los ejercicios, puedes comparar tus respuestas con la
clave de correccin ubicada al final del encuentro didctico.
Actividades.
1. El director general de polica en una regin del pas, al rendir cuentas ante
su superior, afirma que la media por zonas de delitos por robo a mano armada,
que se cometen en esa regin, ha disminuido con respecto al ao anterior. Se
quiere estudiar la veracidad de las declaraciones del Director analizando una
muestra de diversos municipios de la regin. Se conoce que la media del ao
anterior fue de 839.5, los datos de los municipios para este ao son:
853

754

345

980

834

456

672

1056

Con un nivel de confianza del 5%, verifique si lo descrito por el comandante es

cierto.

2. Un informe establece que los funcionarios y funcionarias de una estacin de

bomberos del pas estn trabajando alrededor de 22 horas cada dos das, con una
desviacin estndar de 6 horas. Este informe parece haber sido manipulado y los
funcionarios y funcionarias trabajan ms, por lo que se decide realizar una
investigacin a fondo para conocer la realidad de esa estacin. La investigacin
arroja que de una muestra de 64 bomberos estos tienen una media de 25 horas
trabajadas cada dos das. Si se utiliza un nivel de confianza del 95%. Verifique si
la afirmacin del informe es realmente cierta, a fin de planificar el trabajo
considerando lo establecido en los estndares bomberiles.

Clave de correccin
1.

Establezcamos nuestra hiptesis:

Nuestra prueba es de una cola:

Como no tenemos la desviacin tpica debemos calcularla:

Recordemos que la forma de calcular esta la podemos ver en la unidad

curricular estadstica bsica aplicada a la funcin policial.
Como la muestra es menor a 30 y la desviacin tpica de la poblacin no
est dada, entonces la ecuacin a usar es:

El tamao de la muestra es n=8 y nos falta solo calcular la media de la

muestra:


Ahora apliquemos la ecuacin:

Veamos ahora el percentil de la t de student para el nivel de confianza del 5%

(Consultamos la tabla):

Conclusin: como

entonces se rechaza la hiptesis

nula y se acepta la hiptesis alternativa, es decir el Director General tena razn y

los delitos por robos han disminuido.
2.

Los datos que tenemos son los siguientes:

Establezcamos nuestra hiptesis:

Calculemos el estimador:

Veamos el estimador dado el nivel de confianza:

As como el estadstico de prueba es mayor que el de la tabla (4>1.96)

se rechaza el estadstico de prueba y se aprueba la hiptesis alternativa, es
decir el informe era errneo y los funcionarios y funcionarias bomberiles
trabajan ms horas.

BIBLIOGRAFA

Spiegel, M (2006). Probabilidad y estadstica. Mxico. Editorial McGraw-Hill.

Cramer, H (1972). Mtodos matemticos de la estadstica. Madrid. Editorial
Aguilar.
Devore, J (2008). Probabilidad y estadstica. Mxico. Editorial Cengage learning
Editores.
Webster, A (2000). Estadstica aplicada a los negocios y la economa. Santa fe
de Bogot, Colombia. Editorial McGraw-Hill.
Zylberberg, A (2005). Probabilidad y estadstica. Buenos Aires Argentina.
Editorial Nueva Librera.
Mendenhall, W y Beaver et al, R (2008). Introduccin a la probabilidad y
estadstica. Mxico. Editorial Thomson.
Nolberto, V y Ponce, M. (2008). Estadstica inferencial aplicada. Lima- Per.
Ediciones Elena Soto Loayza.
Mayer, P (1992). Probabilidad y Aplicaciones Estadsticas. Mxico. Editorial
Alhambra Mexicana.