CTEDRA

PROBABILIDAD Y ESTADSTICA
Depto. Ms. Bsicas

ESPECIALIDADES
Ingeniera Elctrica
Ingeniera Mecnica
Ingeniera Metalrgica

DOCENTES
Prof. Adjunto: Dra. Ana Mara Craveri
Ayudante de Primera: Est. Susana Carasai

Probabilidad y Estadstica Dra. Ana M. Craveri

Pgina 1

UNIDAD N 1
INTRODUCCIN ESTADSTICA DESCRIPTIVA: Recoleccin y Presentacin
de datos estadsticos (Tiempo estimado: 2 semanas)
1.1 Qu es la estadstica moderna? El pensamiento estadstico en la Ingeniera y la
Administracin Industrial. 1.2 Variables y escalas de medicin. 1.3 Obtencin,
registro y presentacin de datos estadsticos. 1.4 Representacin grfica de datos
cuantitativos y cualitativos. Aplicaciones: Uso de Microsoft Excel.

Con relacin a esta unidad se explicitan a continuacin algunas definiciones bsicas, es

necesario ampliar este material. A tal efecto se recomienda la lectura de: Johnson, R. A.
(1997). Probabilidad y estadstica para ingenieros de Miller y Freund. (5 edicin).
Mxico: Prentice Hall. Disponible en la biblioteca de la Facultad.

1.1.- Introduccin Qu es La Estadstica?

La Estadstica es una metodologa empleada en la toma de decisiones frente a la
incertidumbre, partiendo de datos, sean stos numricos o no, y calculando los riesgos.
La Estadstica integra un conjunto de mtodos, que conforman su teora, con la
aplicacin prctica en distintas reas. Esta metodologa abarca un conjunto de tcnicas
referidas a la recoleccin, presentacin, anlisis e interpretacin de datos.
La Teora Estadstica, como rama del Mtodo Cientfico, ha tenido un desarrollo
relativamente reciente. Si bien es cierto que sus races pueden hallarse en los trabajos de
Laplace y Gauss sobre la Teora de los Errores de Medicin, recin tuvo su verdadero
desarrollo en el ltimo cuarto del siglo XIX con Galton y Pearson.
La Estadstica se puede dividir en dos grandes ramas que no estn totalmente
separadas:
Estadstica Descriptiva
Estadstica Inferencial
La Estadstica Descriptiva comprende las tcnicas de obtencin, presentacin y
anlisis de los datos.
La Estadstica Inferencial, se refiere a las tcnicas para la utilizacin de estos datos en
la toma de decisiones. El proceso de toma de decisiones por lo general tiene una
componente aleatoria, puesto que frecuentemente se toman decisiones en base a
informacin incompleta (muestras), por lo que las tcnicas utilizadas en estos procesos
estn basadas en la Teora de las Probabilidades.
1.2.- Algunas Definiciones Importantes
Poblacin
Cada uno de los elementos sobre los que se realiza una observacin recibe el nombre de
unidad elemental.
El conjunto de unidades elementales constituye la poblacin fsica.
La poblacin estadstica (o simplemente la poblacin) es la totalidad de observaciones
posibles (numricas o no) bajo consideracin. Puede ser finita o infinita y una misma
poblacin fsica puede dar origen a varias poblaciones estadsticas.
Censo
Probabilidad y Estadstica Dra. Ana M. Craveri

Pgina 2

Es un intento de medir todos los elementos de una poblacin de inters. En muchos

casos el censo es impracticable, ya sea porque la poblacin es infinita, porque la
observacin implica la destruccin de la unidad, por razones de costos, etc. En estos
casos se recurre a una muestra.
Muestra Estadstica
Es una parte de la poblacin obtenida mediante tcnicas basadas en la teora de
probabilidades que garantizan su representatividad.
As una muestra representativa de una poblacin es la porcin de la misma que se
analizar a los efectos de inferir conclusiones respecto de la poblacin.
Diremos que la muestra es aleatoria o probabilstica cuando cada elemento de la
poblacin tiene la misma probabilidad de ser elegido, no aleatoria en caso contrario.
La tabla de nmeros aleatorios, proporciona listas de nmeros al azar que pueden usarse
para elegir muestras aleatorias. Todos los paquetes de computadora generan listas de
nmeros aleatorios que pueden usarse para seleccionar muestras aleatorias. Adems de
la muestra aleatoria simple, existen otras tcnicas de muestreo, ms apropiadas a
situaciones particulares que no sern analizadas en el presente curso.
Parmetro
Es una medida de resumen que se calcula para describir una caracterstica de toda la
poblacin (en la prctica resultan en general desconocidos).
Estadstica
Es una medida de resumen que se calcula con los datos de la muestra para describir una
caracterstica de una sola muestra de la poblacin. Las estadsticas son los Estimadores
de los Parmetros Poblacionales.
Caracterstica o Variable
En este texto se utiliz frecuentemente el trmino caracterstica. Una caracterstica o
variable es el hecho que observamos en cada elemento de la poblacin o de la muestra.
El conjunto de observaciones de la variable constituyen nuestros datos. Las variables
pueden clasificarse en dos categoras generales: cuantitativas o cualitativas (o
categricas), en consecuencia los datos, que constituyen la informacin con la que
trabajar la Estadstica, pueden ser cuantitativos o cualitativos.
Los datos cuantitativos se refieren a informacin numrica, como cuntos o cunto, y se
miden en una escala numrica. Ejemplos de datos cuantitativos son: el peso en Kg., la
edad en aos, la longitud en cm, el volumen en m3, las tasas, los ndices, los
porcentajes, etc.
Los datos cualitativos representan categoras o atributos que pueden clasificarse segn
un criterio o cualidad. Ejemplos de datos cualitativos son los relativos a variables tales
como: gnero (varn o mujer), lugar de residencia, calificacin obtenida en una
evaluacin (Insuficiente, aprobado, bueno, distinguido, sobresaliente), tipo de defecto,
etc.
Los datos cuantitativos pueden clasificarse en discretos o continuos:
Discretos: Son los obtenidos de un proceso de conteo (por ejemplo: nmero de materias
aprobadas, nmero de integrantes del grupo familiar, nmero de piezas defectuosas por
caja). El dato es un nmero natural (o cero).
Continuos: Son los obtenidos de un proceso de medicin, donde la variable que se mide
puede tomar cualquier valor numrico dentro de un intervalo real (por ejemplo:
dimetro en mm., edad en aos cumplidos, puntaje obtenido en un test de aptitud). El
dato es un nmero real.
1.3.- Las Escalas de Medicin

Probabilidad y Estadstica Dra. Ana M. Craveri

Pgina 3

En el sentido ms amplio todos los datos recolectados son medidos. Pueden

reconocerse cuatro niveles de medicin, del nivel de medicin ms dbil al ms fuerte,
las escalas son: nominal, ordinal, de intervalo y de cociente.
Los datos obtenidos de una variable cualitativa o categrica son medidos en una
escala nominal o en una escala ordinal. Si los datos observados simplemente se
clasifican en las diversas categoras en las que no se implica ningn orden, se obtiene un
nivel de medicin nominal. Por otra parte, si los datos observados se clasifican en las
distintas categoras en las que se implica algn orden, se obtiene un nivel de medicin
ordinal.

Ejemplos de escala nominal:

Variable Categrica
-Gnero

Categoras
Masculino
Femenino

-Tipo de institucin

Pblica

Ejemplos de escala ordinal:

Variable Categrica
-Tipo de calificacin
-Rendimiento

Categoras
Alta
Media
Baja
Muy bueno Bueno Regular Malo

Privada

Los datos cuantitativos para los cuales pueden calcularse las distancias entre sus
valores, se dicen que se miden en una escala de intervalo. Esta escala no siempre tiene
un punto cero (origen de coordenadas), es decir un punto que indique la ausencia de lo
que se quiere medir. Ejemplos de stos son:
-Temperatura en grados Celsius: Una temperatura de 80 es 40 ms caliente que una
temperatura de 40, pero no sera correcto decir que 80 es el doble de caliente que 40.
Ntese adems que una temperatura de 0 no representa la ausencia total de calor.
-Puntajes en las pruebas de inteligencia: Un puntaje de inteligencia de 110 es cinco
puntos superior a uno de 105, pero no podemos decir que una persona con un puntaje de
inteligencia de 180 es el doble de inteligente que otra que obtuvo 90.
Las escalas de razn: Con datos medidos en una escala de razn podemos determinar
cuntas veces es mayor una medida que otra, el dato cero indica ausencia de la
caracterstica que se est midiendo. Algunos ejemplos de datos medidos en escala de
razn son:
- Dimetro en mm
- N de piezas defectuosas
- Porcentaje de defectuosos

Probabilidad y Estadstica Dra. Ana M. Craveri

Pgina 4