Professional Documents
Culture Documents
RESUMEN
ESTADSTICO
ESTADSTICA
Aleatoriedad en las
mediciones
El resultado de cada observacin
realizada en un proceso de medicin
depende de la accin de un gran nmero
de factores que varan durante el
proceso
de
medicin
de
forma
incontrolable (efectos aleatorios).
Factores
medicin
que
Mensurando
determinan
Operario
el
resultado
de
Instrumento de medicin
Resultado
de la
medicin
Procedimiento de
medicin
Condiciones
ambientales
Mtodo de clculo
la
Variables aleatorias
Una variable aleatoria es una funcin que asocia
un nmero real a cada elemento dentro del
conjunto de resultados posibles de un experimento
estadstico.
Discreta: se puede contar el conjunto de
resultados posibles (datos que se cuentan).
Continua: cuando la variable puede tomar
valores en una escala continua (datos que se
miden).
Variables aleatorias
Ejemplos de variables
aleatorias discretas:
Cantidad de artculos
defectuosos.
Accidentes por ao en
una determinada va.
Ejemplos de variables
aleatorias continuas:
Alturas.
Pesos.
Temperaturas.
Distancias.
Periodos de vida.
Variables aleatorias
Definicin de probabilidad
Probabilidad: Es la frecuencia relativa
de ocurrencia de un suceso cuando el
nmero de observaciones es muy
grande.
Ejemplo:
En 1000 tiradas de una moneda salen 529 escudos, es decir la
frecuencia relativa es 529/1000 = 0,529.
En otras 1000 tiradas salen 423 escudos, o sea una frecuencia
relativa en el total de 2000 tiradas de (529+423)/2000 = 0,476.
Continuando de este modo nos iremos acercando ms y ms
al nmero que representa la probabilidad de que salga un
escudo en una sola tirada, es decir 0,5.
Funcin de
distribucin
A pesar del carcter aleatorio de los resultados de
las observaciones individuales repetidas bajo las
mismas condiciones en un proceso de medicin,
en ellos aparece una ley determinada que
expresa una regularidad dada.
Toda variable aleatoria responde a una cierta Ley
de Distribucin que se expresa a travs de la
denominada Funcin de Distribucin.
Funcin de
distribucin
Para una variable aleatoria continua la funcin de distribucin puede
representarse de la siguiente forma:
b
P (a X b) f ( X )dX
a
Funcin de distribucin
La funcin de distribucin constituye el
mtodo ms universal para describir
variables aleatorias dado que indica al
mismo tiempo los valores que puede
tomar la variable y la probabilidad de que
los tome.
Caractersticas numricas de
las variables aleatorias.
45
esperanza matemtica, la
varianza y la desviacin estndar.
incertidumbre, son la
Esperanza matemtica
La esperanza matemtica o media de la poblacin
expresa el valor medio de la variable aleatoria dada X,
mediante la ley de distribucin de la misma.
E(X) X f(X) dX
Esperanza matemtica
CARACTERSTICAS
Esperanza matemtica
Desde el punto de vista de las mediciones, este valor
que representa el valor medio de la variable aleatoria
resultante de las observaciones individuales, se toma
precisamente como resultado de la medicin.
La diferencia constante entre la esperanza matemtica y
el valor del mensurando (Q) representa el error
sistemtico de la medicin.
E( X ) Q
Esperanza matemtica
De acuerdo con la definicin de esperanza
matemtica, para determinarla sera necesario
contar con informacin sobre todos los posibles
valores que podra tomar la variable aleatoria.
En la prctica, slo contamos con un nmero
limitado de observaciones y necesitamos estimar el
valor de la esperanza matemtica. En calidad de
estimador de la esperanza matemtica se utilizar
n
la media aritmtica:
X
i 1
Propiedades de la media
1. La mayora de las personas entiende lo que significa.
2. Siempre existe y puede ser calculada.
3. Siempre es nica.
4. Toma en cuenta cada observacin en forma individual (no
contempla influencia de valores extremos).
5. Es posible combinar las medias de varios grupos de datos en una media
nica sin tener que referirse de nuevo a las anotaciones originales.
6. Es relativamente confiable en problemas de estimados y en pruebas de
hiptesis (est sujeta a menos variacin causal).
Variabilidad o dispersin de
las observaciones
La esperanza matemtica nos permite conocer a qu valor tiende la
variable aleatoria, sin embargo, dos variables aleatorias pueden tener la
misma esperanza matemtica, pero una tener mayor dispersin de sus
valores respecto a la esperanza matemtica que la otra.
El
clculo
de
la
dispersin o variacin
de las observaciones
permite obtener una
idea de cuan esparcidos
se encuentran stos.
Varianza y Desviacin
Estndar
V(X) E X E(X)
X E X f X dX
2
(X) V (X)
Desviacin Estndar
Para estimar la desviacin estndar a partir de los datos de
una muestra, se usa la desviacin estndar experimental
S(X):
n
S(X)
X
i
i 1
n 1
(X)
(X)
n
S(X)
X
i
i 1
n 1
S(X )
S(X )
n
R X mx. X min .
El rango tiene la desventaja como estimador de la
desviacin estndar, de que no considera la distribucin
de los valores de la variable respecto a su valor medio
y, por tanto, puede sobreestimar el valor de la
desviacin estndar.
Error aleatorio
El error aleatorio de una observacin
viene determinado por:
a X E( X )
y como (X) caracteriza el promedio de
estas desviaciones, resulta que mientras
mayor es la desviacin estndar, mayores
son los errores aleatorios.
Covarianza
Cuando se trata de un conjunto de magnitudes aleatorias X i que NO
SON INDEPENDIENTES (magnitudes correlacionadas), se utiliza otra
caracterstica numrica que es la covarianza y que expresa
numricamente el grado de dependencia que existe entre estas
variables.
La covarianza es una medida de la naturaleza de la asociacin entre
las variables. El signo indica si la relacin es positiva o negativa.
Cuando las variables son independientes su covarianza es cero.
xy E X X Y Y
x y f x, y dxdy E XY
Coeficiente de Correlacin
Covarianza
La
covarianza
de
dos
magnitudes
correlacionadas Xi, Xj que son estimadas a partir
de sus medias X i , X j mediante pares de
observaciones simultneas, puede a su vez
estimarse a partir de la siguiente expresin:
n
1
X ik X i X jk - X j
S (X i , X j )
n n 1 i 1
Si S(XiXj)>0 hay dependencia directa (positiva), es decir, a grandes valores de x
corresponden grandes valores de y.
Si S(XiXj)=0 Una covarianza 0 se interpreta como la no existencia de una relacin lineal entre
las dos variables estudiadas.
Si S(XiXj)<0 hay dependencia inversa o negativa, es decir, a grandes valores de x
corresponden pequeos valores de y.
f
2
( Y )
i 1 X i
N
N 1
X i 2
i 1
j i 1 X i
N
(X i, X j )
X
j
f
( Y )
i 1 X i
2
Xi
X i
i 1 X i
( Y )
Algunas funciones de
distribucin de variables
aleatorias
DISTRIBUCIN RECTANGULAR
DISTRIBUCIN TRIANGULAR
DISTRIBUCIN NORMAL
a-
E(X)
a+
E(X) - a
E(X)
a
(X )
3
E(X) + a
Distribucin Triangular
En el caso que la probabilidad de que la variable aleatoria tome los
valores en el intervalo entre a- y a+, tenga un valor mximo en el centro
del intervalo y disminuya linealmente hacia los extremos del mismo
hasta cero, estamos en presencia de una ley de distribucin
triangular. Considerando un intervalo simtrico, o sea, (a+ - a-)=2a :
f(X)
(X )
E (X) - a
E (X)
E (X) + a
a
6
Distribucin Triangular
Por
ejemplo,
en un bao
termosttico, que
se utiliza para medir
la densidad de un
lquido, la temperatura
puede tener una ligera
deriva. Si se mide la temperatura
antes y despus de la medicin de la
densidad (resultando en T1 y T2), se puede
suponer para el momento de la medicin de la
densidad una temperatura de (T1 + T2) / 2 con una
distribucin triangular entre T1 y T2.
Distribucin Normal
En la estadstica matemtica tiene gran importancia la denominada ley
de distribucin normal o ley de distribucin de Gauss.
Es la piedra angular de la teora estadstica moderna.
Tiene forma simtrica acampanada cuyas colas se extienden
indefinidamente en ambas direcciones.
Queda completamente determinada si se conoce su media y su
desviacin estndar.
1 12 z 2
Y
e
2
z
Distribucin Normal
Para una variable que sigue una ley de distribucin
normal se cumple que:
P( 3 X 3 ) 99.73%
P( 2 X 2 ) 95.45%
P( X ) 68.27%
Distribucin Normal
Para una distribucin normal la probabilidad de que la variable
tome valores fuera del intervalo es prcticamente cero.
Por tanto, si los valores observados de una variable estn
incluidos en el intervalo (a) y ella sigue una ley de distribucin
normal, se puede plantear que a = 3Por tanto:
Distribucin Normal
Ejemplos prcticos de eventos con distribucin normal:
Los resultados de una medicin repetida afectada
por una o ms magnitudes de influencia que varan
aleatoriamente.
La incertidumbre indicada en certificados de
calibracin.
Distribucin Normal
TEOREMA DEL LMITE CENTRAL
Si una variable aleatoria X es la suma de
un nmero grande de variables aleatorias
mutuamente independientes, y la influencia
de cada una de ellas en toda la suma es
despreciable, entonces X tiende a una
distribucin normal.
Distribucin Normal
TEOREMA DEL LMITE CENTRAL
En el caso que nos ocupa de las mediciones, la variabilidad
aleatoria de las observaciones durante la medicin se debe
a la conjugacin de un gran nmero de factores que
varan de forma impredecible de una observacin a otra.