TEMA 3

RESUMEN
ESTADSTICO

ESTADSTICA

Estudia los mtodos cientficos

para recoger, organizar,
resumir y analizar datos, as
como para sacar conclusiones
vlidas y tomar decisiones
razonables basadas en tales
anlisis.

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

Aleatoriedad en las mediciones

EJEMPLOS:
Pequeas corrientes de aire y vibraciones.
Variacin de la atencin del ojo del observador.
Variaciones de la temperatura, la humedad y la
presin atmosfrica.
Variaciones de los momentos de friccin entre
partes mviles de instrumentos mecnicos.
Fluctuaciones del voltaje y la frecuencia de la
red de alimentacin elctrica.

Aleatoriedad en las mediciones

ASPECTOS A CONSIDERAR

1. Al repetir n veces una medicin obtendremos, en

general, diferentes valores en cada realizacin.
2. Es imposible lograr la misma combinacin de
factores en cada observacin repetida.
3. Los fenmenos que cumplen estas condiciones se
llaman fenmenos aleatorios y las variables que
los
caracterizan
se
denominan
variables
aleatorias.

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

Por tanto, el resultado de una medicin es

una variable aleatoria continua, para el
tratamiento de las cuales se usan los
mtodos de la teora de probabilidades y la
estadstica matemtica.

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

donde f(X) se denomina funcin de densidad de probabilidad.

La probabilidad de que la variable aleatoria tome valores en el intervalo
(a,b) es igual al rea debajo de la curva acotada por los dos extremos
del intervalo.

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.

Es necesario caracterizar la variable aleatoria con

ayuda de ciertas cantidades numricas que caracterizan
la variable aleatoria globalmente.

45

Estas son las llamadas medidas de tendencia central y de

dispersin, entre las cuales las ms usadas para el
tratamiento de los resultados de las mediciones y de su

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

Determina el lugar donde se centra la distribucin de

probabilidad.
Es un promedio y no necesariamente un resultado
posible (ej: ingreso promedio).
Puede obtenerse multiplicando los valores posibles
de una variable por sus correspondientes
probabilidades y realizando la sumatoria de esos
productos o bien integrando para variables continuas.

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

Esta propiedad se caracteriza por medio la

denominada varianza, que se calcula mediante el
promedio del cuadrado de las desviaciones de la
variable aleatoria respecto a la esperanza matemtica.

V(X) E X E(X)

X E X f X dX
2

Como la varianza tiene dimensiones del cuadrado de la

magnitud aleatoria, resulta ms cmodo usar la
desviacin estndar:

(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

Es posible demostrar que:

Cuantifica qu tan bien la

Media (x) estima a el valor
esperado de x.

(X)
(X)
n

por lo que su estimador ser: S(X) S(X)

La Desviacin Estndar Experimental de la Media representa la dispersin

que tendra la media de una muestra de valores si se continuaran tomando
muestras, por lo tanto, proporciona una idea de la precisin de la media.

Representacin de la distribucin de probabilidad

Desviacin Tpica Experimental
n

S(X)

X
i
i 1

n 1

La Desviacin Tpica Experimental representa la

variacin (dispersin) en los valores de una variable,
nos da una idea de la variabilidad de las observaciones
individuales.

Representacin de la distribucin de probabilidad

Desviacin Tpica Experimental de la Media

S(X )
S(X )
n

La mejor estimacin de la Desviacin Tpica Experimental se

obtendra a partir de la Desviacin Tpica Experimental de la Media.

Rango de una serie de

observaciones
Otro estimador de la desviacin estndar es el
denominado Rango o Recorrido (R). Este se define
como la diferencia entre el mayor y el menor valor
obtenido de la variable en la muestra dada.

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

Si las variables aleatorias son independientes, tanto la

covarianza como el coeficiente de correlacin son igual a
cero.
El coeficiente de correlacin tiene la ventaja sobre la
covarianza de que es adimensional, de modo que su valor
no depende de las unidades de medida seleccionadas. Los
valores del coeficiente de correlacin estn comprendidos
en el intervalo -1,1, siendo igual a 1 cuando existe una
dependencia lineal entre las variables.

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.

Ley de suma de varianzas

Si Y = f (X1, X2, ... , XN) es una variable aleatoria que vara
poco para pequeas variaciones de sus argumentos y que
es estimada a partir de su media, entonces su varianza
estar dada por:
2

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

En el caso de que las magnitudes X i sean

independientes, el segundo trmino del
miembro de la derecha ser igual a cero y
resultar:
2

f

( Y )
i 1 X i
2

Xi

Si el coeficiente de correlacin para todas las X i,

Xj es igual a 1, entonces:

X i

i 1 X i

( Y )

Algunas funciones de
distribucin de variables
aleatorias
DISTRIBUCIN RECTANGULAR
DISTRIBUCIN TRIANGULAR
DISTRIBUCIN NORMAL

Distribucin Rectangular o Uniforme

Frecuentemente sucede que slo es posible establecer que
todos los valores de una variable aleatoria estn comprendidos
en un intervalo entre a- y a+, y que cualquiera de los posibles
valores tiene igual probabilidad de ocurrencia. En este caso
se dice que la variable aleatoria cumple una ley de
distribucin rectangular o uniforme.
1
; para a x a
a a
F(X)

0; para cualquier otro caso

a-

E(X)

a+

Distribucin Rectangular o Uniforme

Si la diferencia entre los lmites se denota
por 2a, es decir, a+ - a- = 2a , entonces:
f(X)
a

E(X) - a

E(X)

a
(X )
3

E(X) + a

Distribucin Rectangular o Uniforme

Ejemplos tpicos de aplicacin de esta distribucin son:
Resolucin de un instrumento digital.
Histresis.
Apreciacin.
Informacin tcnica sobre el error (e.m.p) de un
instrumento de medicin.
En general, cuando exclusivamente hay conocimiento de
los lmites superior e inferior del intervalo de variabilidad
de la magnitud de entrada, lo ms conservador es suponer
una distribucin rectangular.

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.

Si ninguno de estos factores predomina sobre los

restantes en cuanto a la variabilidad que provoca en el
resultado de las observaciones, entonces se puede
afirmar que ste sigue aproximadamente una LEY DE
DISTRIBUCIN NORMAL.