Conceptos Bsicos de Estadstica Qu es la Estadstica?

Es la ciencia o conjunto de mtodos cientficos que tienen por objeto la recoleccin, agrupacin, presentacin, anlisis e interpretacin de los datos obtenidos de una poblacin o muestra, como medio para hacer estimaciones e inferencias para la toma de decisin ante diversas alternativas. Clasificacin de la Estadstica Descriptiva: Proceso de recoleccin, clasificacin, presentacin (cuadros y grficas), aplicacin de medidas (promedios, desviaciones, etc.) y la interpretacin y anlisis de datos, a fin de obtener conclusiones de las caractersticas de un grupo determinado, sin tomar en consideracin otros grupos. Conocido como mtodo deductivo maneja datos de hechos acaecidos. Estadstica Inferencial: Proceso de anlisis mediante el cual por investigaciones de muestreo, se seleccionan muestras representativas y aleatorias de una poblacin, a las cuales se les calculan con soporte de la teora de las probabilidades (a los fines de minimizar el grado de incertidumbre del muestreo), Estadsticos que son considerados como Estimadores, y que permitirn sacar conclusiones vlidas del comportamiento de la poblacin de la cual fueron extradas dichas muestras. Se conoce como mtodo inductivo. Importancia de la Estadstica La Estadstica constituye hoy da, una herramienta indispensable en el manejo diario y xito del negocio; trminos como promedio, porcentaje, tendencia, probabilidad entre otros, forman parte del lenguaje cotidiano de las industrias y empresas, los cuales permiten controlar situaciones internas de las mismas. Todas las disciplina, tanto Cientficas como Sociales, utilizan extensivamente la Estadstica para abordar de una manera consistente y exacta, los problemas o situaciones que se plan tean en el campo profesional, investigaciones e inclusive en nuestra vida personal. El uso de mtodos cuantitativos como la experimentacin, la medida y los nmeros representados por la Estadstica, dan una mayor credibilidad a las Ciencias en general y le suministran mayor y mejor soporte a las crticas que le formulan a sus leyes. Su amplio uso y los grandes avances logrados la han catapultado como una disciplina cientfica, catalogndola hoy da como el Lenguaje de la Ciencia.
A continuacin se desarrollan algunas definiciones y conceptos bsicos, de singular importancia en el estudio de la Estadstica y a los cuales haremos referencia continuamente a lo largo de la presente gua.

Individuos o Elementos: personas u objetos que contienen cierta informacin que se desea estudiar. Poblacin(N): Conjunto total de individuos o elementos que poseen caractersticas comunes que se desean investigar.

Infinita: se investiga las caractersticas de todas las unidades que constituyen la poblacin, es decir es una investigacin total y exhaustiva relacionada con el trmino de Censo. Se dificulta el conteo de sus elementos, por ejemplo: resultados posibles en lanzamientos sucesivos de una moneda o un dado. Finita: sus elementos pueden determinarse con facilidad, por ejemplo: nmero de personas que visitan a la empresa en un determinado da. Parmetro: Son medidas calculadas de las caractersticas de una poblacin (media = varianza = 2; proporcin = ; etc.)
;

Censo: es el proceso de medir las caractersticas de todos los miembros o elementos de una poblacin definida, es decir se enumeran y anotan todos los datos referentes a una poblacin. Muestra(n): Subconjunto de elementos de una poblacin que se eligen para observar y analizar, y a partir del cual se trata de conocer las caractersticas de la poblacin de la cual fueron extradas. Estadstico: Son medidas calculadas de las caractersticas de una muestra (media = X; varianza = S2; etc.). Conocidos como Estadgrafos. Encuesta: herramienta utilizada para medir las caractersticas de una muestra extrada de una poblacin.
Nota: Cuando se va a realizar un estudio o investigacin es importante conocer si los datos provienen de una poblacin o una muestra, ya que esto permite determinar el lineamiento del estudio a realizar, por ejemplo:
y y

Poblacin Muestra

Estadstica descriptiva Estadstica descriptiva Estadstica Inferencial

Atributos o Caracteres: Constituyen las propiedades, rasgos o cualidades de los elementos poblacionales (datos) y como varan de miembro a miembro se denominan variables. Modalidades: son las diferentes situaciones posibles de los atributos, los cuales deben ser exhaustivos y mutuamente excluyentes, es decir cada elemento posee una y slo una de las modalidades posibles. Clases:
Conjunto de una o ms modalidades en el que se verifica que cada modalidad pertenece a una y slo una de las clases.

Variable: Son smbolos (X, Y, A, B,) que pueden tomar diferentes modalidades (valores) de un conjunto determinado que llamaremos rango o dominio de la variable; si toma un solo valor entonces estamos hablando de una constante. Clasificacin y formas de medicin de las Variables:
ESTADISTICA II SOCIALES 2 PROFESOR: M.A. ANTONIO RODRIGUEZ

Variable Cualitativa: responden a una descripcin, por ejemplo color de los ojos, tipo de medicina, sabor, etc. Sus escalas de medicin son:
a) Tipo Nominal: describen la variable asignndole un nmero para expresar clases diferentes y no para establecer relaciones de mayor a menor; se caracterizan por ser mutuamente excluyentes y colectivamente exhaustivas. Ejemplo: el grupo sanguneo tiene por modalidades los grupos A, B, AB y O. b) Tipo Ordinal: aunque sus modalidades son de tipo nominal, es posible establecer un orden entre ellas. Ejemplo: grado de recuperacin de un paciente al aplicarle un determinado tratamiento, sus modalidades podran ser: nada, poco, moderado, bueno, muy bueno. Aun cuando podamos representar este tipo de variables en escalas numricas, en nuestro ejemplo en una escala de 1 a 5, no podemos realizar operaciones algebraicas con ellas.

Variable Cuantitativa: tiene por modalidades cantidades numricas con las que podemos hacer operaciones aritmticas, como por ejemplo el peso de las personas, nmero de hijos en familia venezolana, etc. Esta variable puede ser de dos tipos:
a) Discretas: responden al concepto de numeracin, generalmente se expresan en nmeros enteros, es decir, no admiten una modalidad intermedia entre dos cualquiera de sus modalidades y no se pueden fraccionar porque rompera la naturaleza del objeto o sujeto. Por ejemplo nmero de estudiantes de Sociales. b) Continuas: responden al concepto de medicin, admiten una modalidad intermedia entre dos cualquiera de sus modalidades, por lo que se pueden fraccionar sin romper la naturaleza del objeto/sujeto, ejemplo: peso de un nio al nacer.

UNIDAD 1
y

LA TEORIA DE PROBABILIDADES

Aspectos Conceptuales

1. Experimento Aleatorio: es el proceso de obtener una observacin de varias observaciones posibles. Proporciona diferentes resultados aun cuando se repita indefinidamente en las mismas condiciones, producto de pequeas variaciones en las variables no controladas en el experimento (instrumentos de medicin, condiciones ambientales, etc.). Se considera aleatorio ya que antes de efectuar el experimento no se puede predecir con certeza que resultado se va a obtener. Por ejemplo: lanzamiento (experimento porque se observa), de una moneda o un dado, aleatorio porque no se conoce con certeza si caer cara o sello en el caso de la moneda o que nmero del 1 al 6 saldr en el dado. 2. Resultado: es la consecuencia o suceso particular de un experimento Ejemplo: un suceso . particular caiga cara (es lo que se espera ocurra); un suceso alternativo (es lo que se espera no ocurra) caiga sello. 3. Eventos: conjunto de uno o ms resultados de un experimento. Ejemplo: en el caso del lanzamiento de una moneda hay dos posibles eventos cara o sello. En el caso del lanzamiento

ESTADISTICA II SOCIALES

PROFESOR: M.A. ANTONIO RODRIGUEZ

de un dado existen 6 resultados posibles, pero pueden existir muchos eventos posibles (que salga 1; que salga un nmero par; que salga un 2 5; etc.).

4. Evento Simple: es el resultado bsico de un experimento que no se puede descomponer en resultados ms simples. Ejemplo: en el lanzamiento de un dado existen 6 eventos simples (1, 2, 3, 4, 5, 6). 5. Conjunto: grupo de elementos que tienen caractersticas comunes, en las cuales como investigadores estamos interesados, y que se pueden definir por Extensin enumerando todos los elementos; por ejemplo en el lanzamiento de un dado A = {1, 2, 3, 4, 5, 6}; o por Compresin mencionando las caractersticas comunes, por ejemplo B = {nmeros pares}. Ahora bien, un conjunto es Finito cuando se pueden contar fcilmente sus elementos e Infinito cuando se dificulta el conteo de sus elementos. Sin embargo, cuando desarrollemos ms adelante la teora del muestreo, si este se realiza con reemplazo, un conjunto o poblacin Finita se convierte en Infinita. 6. Espacio Muestral [n (s)]: es el conjunto de todos los resultados posibles o eventos simples de un experimento. 7. Espacio del Evento [n (e)]: est conformado por aquellos elementos incluidos en el evento de inters, es decir lo que deseamos y esperamos que ocurra. 8. Incertidumbre: en una gran mayora de las situaciones resulta imposible predecir que pasara, pero es posible mediante el uso de la teora de probabilidades, establecer lo que podra pasar. Si combinamos el raciocinio, la experiencia y los datos histricos, es factible predecir cuan probable es algn evento futuro. 9. Probabilidad: es un valor que mide la certeza de que un evento ocurrir cuando se realice el experimento. Tambin se define como la proporcin o lmite de frecuencia relativa cuando el nmero de experimentos n (muestra) se aproxime a infinito.
y

Enfoques de Probabilidades
Clsico Objetivos Frecuencia relativa (emprico)

Enfoques Subjetivos Personalista

Enfoque Clasico: los elementos del espacio muestral tienen la misma probabilidad de ser seleccionados, es decir son igualmente probables. Al permitir determinar los valores de probabilidad antes de observar cualquier evento de la muestra, se le denomina Enfoque a Priori, y constituye la base del muestreo aleatorio, concepto fundamental de la teora de Inferencia. Se basa en el principio de Razn Suficiente formulado por Jacques Bernoulli, el cual reza:

ESTADISTICA II SOCIALES

PROFESOR: M.A. ANTONIO RODRIGUEZ

Si el espacio muestral S de un experimento tiene n(S) resultados igualmente probables y si un evento E definido en este espacio muestral tiene n(E) elementos, entonces la probabilidad de xito de este evento ser la relacin existente de n(E) a n(S). n(E) P(E) =--------n(S) y su complemento P( ) = 1 - P(E)

Si P(E) representa a p (xito) y P( ) representa a q (fracaso) Entonces: P(E) + P (

)

= p + q = 1

Enfoque Frecuencia Relativa: se determina sobre la base del nmero de veces que ocurre un resultado favorable en un nmero de experimentos; no existe suposicin previa de probabilidades iguales y se calculan sobre la base de observaciones y recopilacin de datos, por lo que se denomina tambin Enfoque Emprico, es decir la probabilidad es una estimacin del valor real. Si un experimento se realiza n veces, y si el evento ocurre f veces, entonces una aproximacin a las probabilidades del evento ser la relacin f a n; y si el experimento se realiza infinitas veces, entonces las probabilidades del evento ser el lmite n de la relacin f a n.
f P(E) =--------n y P (E) = lim n f -------n

Ejemplo: si 1000 lanzamientos de una moneda dan como resultado 529 caras entonces la frecuencia relativa o probabilidad es de 0,529 (529 / 1000); si en otros 1000 lanzamientos se obtiene 493 caras, entonces la frecuencia relativa o probabilidad es de 0,511 (529+493/2000); observndose que al aumentar el nmero de lanzamientos el valor se acerca al valor de obtener una cara en un solo lanzamiento (0,5). La validez de este enfoque se centra en el supuesto de condiciones iguales.

Enfoque Subjetivo: se basa en el grado de creencia de que un evento ocurra, y se usa cuando solo hay una oportunidad de ocurrencia o no del evento. El valor de la probabilidad es un juicio personal por lo que tambin se le denomina Enfoque Personalista. Bajo este enfoque los resultados no son igualmente probables y generalmente no se dispone de informacin histrica.
Ejemplo: invertir en la compra de terrenos se justifica solo si hay por lo menos una probabilidad cierta de 0,90 de que el valor de la tierra aumente 50% o ms en los prximos cuatro aos. Si despus de evaluar los cambios de precios se llega a la conclusin de una probabilidad de 0,75 entonces la decisin ser la de no invertir.
y

Teoremas de Probabilidades
 Teorema 1: sea E un evento definido sobre un espacio muestral S, si el evento ocurre con certeza su probabilidad ser igual a 1, si el evento no ocurre su probabilidad ser igual a 0; entonces: 0 P(E) 1  Teorema 2: sea S un espacio muestral compuesto por Ei eventos simples, entonces: P(S) = P(Ei) = 1

ESTADISTICA II SOCIALES

PROFESOR: M.A. ANTONIO RODRIGUEZ

 Teorema 3: sea S un espacio muestral y el conjunto vaco, entonces: P() = 0  Teorema 4: sean A y B dos eventos definidos sobre un espacio muestral S, si ocurre A o ocurre B pero no ambos a la vez, entonces los eventos son mutuamente excluyentes.

P(A o B) = P(A U

B) = P(A) + P(B)

P(A

B) =

Representacin Grfica S

 Teorema 5: sean A y B dos eventos definidos sobre un espacio muestral S, si ocurre A ocurre B ocurren ambos a la vez, entonces los eventos son no mutuamente excluyentes o traslapantes.

P(A o B) = P(A U

B) = P(A) + P(B) P(A

B)

P(A

B)

Representacin Grfica S

 Teorema 6: sea E un evento definido sobre un espacio muestral S y el complemento de E, entonces:

P(E) + P(

= 1

P(

= 1 - P(E)

Representacin Grfica S

ESTADISTICA II SOCIALES

PROFESOR: M.A. ANTONIO RODRIGUEZ

 Teorema 7: sean A y B dos eventos definidos sobre un espacio muestral S, si la probabilidad de ocurrencia de uno de ellos no afecta la probabilidad de ocurrencia del siguiente, entonces se afirma que son eventos independientes . Est asociado con el concepto con reemplazo.

P(A

B) = P(A) x P(B/A) = P(A) x P(B)

P(B/A) = B

 Teorema 8: sean A y B dos eventos definidos sobre un espacio muestral S, si la probabilidad de ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del siguiente, entonces se afirma que son eventos dependientes . Est asociado con el concepto sin reemplazo.

P(A P(A

B) = P(A) x P(B/A) B) = P(B) x P(A/B)

P(B/A) B P(A/B) A y P(A B) P(A/B) =-----------------P(B) entonces

P(A B) P(B/A) =----------------P(A)

P(A) x P(B/A) = P(B) x P(A/B)

P(B) x P(A/B) P(A) x P(B/A) P(B/A) =----------------------- y P(A/B) =----------------------P(A) P(B)

 Teorema 9 Probabilidad Total: sean Hi n eventos mutuamente excluyentes y colectivamente exhaustivos; sea E otro evento definido sobre el mismo espacio muestral S, entonces:

P(E) = P(E por Teorema 8

H1) + P(E

H2) ++ P(E

Hn)

P(E) = P(E/H1) x P(H1) + P(E/H2) x P(H2) ++ P(E/Hn) x P(Hn)

Representacin Grfica S H1 E H4

H2

H3
 Teorema 10 BAYES: sean Hi n eventos mutuamente excluyentes y colectivamente exhaustivos; sea Hk uno de esos eventos y E otro evento definido sobre el mismo espacio muestral, entonces:

ESTADISTICA II SOCIALES

PROFESOR: M.A. ANTONIO RODRIGUEZ

por Teorema 8

P(Hk E) P(Hk / E) =----------------P(E)

por Teoremas 8 y 9 entonces se concluye que P(E/Hk) x P(Hk) P(Hk / E) = --------------------------------------------------------------------------P(E/Hk) x P(Hk) + P(E/H2) x P(H2 ) ++ P(E/Hn) x P(Hn)

 Teorema 11 Eventos Colectivamente Exhaustivos: para que los eventos sean CE, debe ser mutuamente excluyentes y complementarios, es decir, deben ocupar todo el espacio muestral S, de tal forma que uno de ellos necesariamente debe ocurrir durante el experimento. Sin embargo, es de observar que no necesariamente un evento mutuamente excluyente es CE.

Repaso a la Teora de Conjuntos 1. Simbologa

E

Significado
Pertenece a Conjunto vaco o nulo

Conjunto universal Interseccin

Unin Complemento de A

2. Operaciones bsicas con conjuntos i. Unin: la unin de dos conjuntos A U B, contiene todos los elementos del conjunto universal que pertenecen a A o a B o a ambos.
U = {x E U / x E A o x E B} = A + B

a)

Si U = {1, 2, 3, 4, 5, 6} B = {2, 3, 3, 5}
8 PROFESOR: M.A. ANTONIO RODRIGUEZ

A = {1, 2, 3}
ESTADISTICA II SOCIALES

A U B = {1, 2, 3, 4, 5}

b)

Si U = {a, b, c, d, e, f} B = {a, b, c} (absorcin)

A = {a, b, c, d}

A U B = {a, b, c, d} = A

c)

Si U = {x / x es un entero y 3 < x < 15} B = {7, 10, 14}

A = {5, 6, 8, 12}

A U B = {5, 6, 7, 8, 10, 12, 14} = B U A (conmutativa) d) A U (B U C) = (A U B) U C (asociativa) A = {a, b, c, d, e} B = {a, b, c, d, f} C = {b, c, d, g, h}

denomino G = (B U C) = {a, b, c, d, f, g, h} entonces

A U G = A U (B U C) = { a, b, c, d, e, f, g, h}

denomino H = (A U B) = {a, b, c, d, e, f) entonces

H U C = (A U B) U C = {a, b, c, d, e, f, g, h} ii. Interseccin: de dos conjuntos A B, contiene todos los elementos de U que pertenecen a ambos conjuntos A y B.
A B = {x E U / x E A y x E B} = A x B

a)
A = {1, 2, 3}

Si U = {1, 2, 3, 4, 5, 6} B = {2, 3, 4, 5} A B = {2, 3}

b) Si U = {a, b, c, d, e, f} A = {a, b, c, d} A B = {a, b, c} = B B = {a, b, c} (absorcin)

c)

Si U = {x / x es un entero y 3 < x < 15} B = {7, 10, 14}

PROFESOR: M.A. ANTONIO RODRIGUEZ

A = {5, 6, 7, 8, 12}
ESTADISTICA II SOCIALES 9

B = {7} = B d) A (B

(conmutativa) B) C (asociativa)

C) = (A

A = {a, b, c, d, e} B = {a, b, c, d, f} denomino I = (B entonces A I=A

C = {b, c, d, g, h} C) = {b, d} (B C) = {b, d}

denomino J = (A entonces iii. J

B) = {a, b, d} B) C = {b, d}

C = (A

Unin e Interseccin: existen casos en los cuales se incluyen combinaciones de uniones e intersecciones. Distributivas a.- A (B U C) = (A B) U (A C) b.- A U (B C) = (A U B) (A U C)

Absorcin c.- A (A U B) = A A = {1, 2, 3, 4, 5, 6} y B = {2, 4, 5} {1, 2, 3, 4, 5, 6} {1, 2, 3, 4, 5, 6} = {1, 2, 3, 4, 5, 6} = A d.- A U (A B) = A A = {1, 2, 3, 4, 5, 6} y B = {2, 4, 5} {1, 2, 3, 4, 5, 6} U {2, 4, 5} = {1, 2, 3, 4, 5, 6} = A Leyes de Morgan e.- (A B) = A U B U = {1, 2, 3, 4, 5, 6, 7, 8, 9} A = {1, 2, 3, 4} B = {3, 4, 5, 6, 7, 8} (A B) = {3, 4} entonces (A B) = {1, 2, 5, 6, 7, 8, 9} A U B= {5, 6, 7, 8, 9} U {1, 2, 9} = {1, 2, 5, 6, 7, 8, 9} = (A B) f.- (A U B) = A B U = {1, 2, 3, 4, 5, 6, 7, 8, 9} A = {1, 2, 3, 4} B = {3, 4, 5, 6, 7, 8} (A U B) = {1, 2, 3, 4, 5, 6, 7, 8} entonces (A U B) = {9} A B= {5, 6, 7, 8, 9} U {1, 2, 9} = {9} = (A U B)

ESTADISTICA II SOCIALES

10

PROFESOR: M.A. ANTONIO RODRIGUEZ