DOCENTE: Mg. Sc. Ing.

EDGAR ALCNTARA TRUJILLO

Una de las actividades ms

tpicas e importantes de la
estadstica es la de extraer
conclusiones sobre el todo
mirando solo una parte.

Grima (2010)

Poblacin
Variable
Es un nmero que
caracteriza los datos de
una poblacin que se
derivan del estudio de
una variable estadstica.

Medidas de posicin:
Media , mediana, moda

Parmetros

Medidas de dispersin:
Desviacin estndar, varianza

Medidas de forma:
Asimetra, curtosis

Resumir
(idea global)
Bien definido
(frmula aritmtica)

Otros parmetros:
Proporcin, correlacin

Dentro de la estadstica inferencial se refiere al conjunto de

tcnicas que permiten dar un valor aproximado de un parmetro a
partir de los datos proporcionados por una muestra.

Por qu se analizan
muestras y no poblaciones?
Aron, Aron y Coups (2013)

Cmo debe ser la seleccin del

muestreo para que los resultados se
puedan generalizar a la poblacin?

Muestreo
aleatorio

Estadsticos
muestrales

Aron, Aron y Coups (2013)

Es un estadstico cuyo valor es usado como

una aproximacin al valor verdadero de un
parmetro, una vez tomada la muestra
aleatoria.

Toda estadstica es una variable aleatoria

(es variable porque cambia de muestra en
muestra, y es aleatoria si la muestra se
toma al azar).

Field (2009)

Grima (2010)

Es la diferencia entre el Estimador y el Parmetro.

Error de Estimacin =

Caldern (2011)

Caldern (2011)

Caldern (2011)

Caldern (2011)

Ejemplo:
De la poblacin de alumnos de primer grado de un colegio estatal, se tom una
muestra aleatoria simple de n = 30 alumnos, se registr sus puntajes es una
Prueba de Comprensin de Lectura y si haban tenido Aprestamiento previo a su
matrcula. Se deseaba estimar el parmetro en Comprensin de Lectura y el
parmetro P de Alumnos con Aprestamiento.

Caldern (2011)

Caldern (2011)

En un estudio se tom una muestra aleatoria (n= 164) de la

poblacin de trabajadores de una mina ABC y se les aplic la Escala
de Creencias Obsesivas (puntajes posibles entre 1 y 7). Como anlisis
previos de la investigacin se quera saber lo siguiente (evaluar la
calidad de las estimaciones halladas):
1.

2.

3.

Cul sera el rango de estimacin para la media del puntaje total de la

prueba de creencias obsesivas?
b) A nivel poblacional existir alguna mina donde sus trabajadores tengan
una media mayor en creencias obsesivas?
c) Habr diferencias a nivel poblacional entre hombres y mujeres en
cuanto a sus creencias obsesivas?

La definicin de probabilidad fue dada por Laplace y

desde entonces se ha repetido en casi todos los libros
sobre la teora de probabilidades. En su forma primitiva
dice: Probabilidad, es la razn del nmero de cosas
favorables al nmero total de cosas igualmente posibles.

En la interpretacin del concepto de probabilidad se han

seguido dos escuelas. La primera, clsica u objetivista,
interpreta la probabilidad como la frecuencia relativa de
la ocurrencia de algn evento o resultado
(consecuencia).
La segunda escuela, es la subjetivista o Bayesiana, la
cual utiliza los resultados a priori para calcular la
probabilidad de ocurrencia de varios estados del
universo (tambin llamado espacio de eventos), en una
etapa particular del experimento de que se trata.

En los ltimos anos se han incrementado el uso de los

modelos probabilsticos, debido a que presentan muchas
ventajas al aplicarse a situaciones reales. En los modelos
probabilsticos interviene un conjunto de variables aleatorias,
las cuales se rigen por algn parmetro (poblacional) como
tiempo o espacio. A los procesos aleatorios tambin se les
conoce como proceso estocsticos.
Las incertidumbres asociadas con el comportamiento
humano, en diferentes situaciones, se adaptan de una
manera adecuada a los modelos probabilsticos y a los
procesos estocsticos.
Estos modelos podran utilizarse para analizar: Movilidad
industrial de trabajadores o empleados, sistemas educativos,
procesos de una enfermedad, teora de colas e inventarios,
modelos de transporte, probabilidad de ocurrencia de errores
en levantamientos topogrficos, entre otros.

EXPERIMENTO:
Es cualquier actividad bien definida capaz de repetirse en
condiciones esencialmente estables; una situacin en la que est
presente la incertidumbre.

EXPERIMENTO ALEATORIO
Es todo proceso que consiste de la ejecucin de un acto (o
prueba) una o ms veces, cuyo resultado en cada prueba
depende del azar y en consecuencia no se puede predecir con
certeza. Es decir un experimento es aleatorio cuando se puede
repetir indefinidamente y cuando los resultados en cada
repeticin no son predecibles.
Ejemplo:
Lanzamiento de un dado imparcial es un experimento aleatorio,
puesto que antes de lanzar no tenemos la seguridad plena
acerca de qu cara quedar hacia arriba.

ESPACIO MUESTRAL () :
Se denomina as al conjunto que
consiste de todos los resultados
posibles de un experimento aleatorio.
Cada
resultado
posible
de
un
experimento aleatorio es un elemento
(punto muestral) del espacio muestral.
= {/ es un punto muestral}
Si el espacio muestral tiene un nmero
finito de elementos es posible enlistar a
todos, y si el numero de elementos es
infinito se describen mediante un
enunciado o regla.

El experimento de lanzar un dado y observar el

resultado, el espacio muestral se puede escribir
como el conjunto de puntos mustrales:
1 = {1, 2, 3, 4, 5, 6}
El experimento de lanzar una moneda 3 veces (o
lanzar tres monedas a la vez) y observar el
resultado global, el espacio muestral se puede
escribir como el conjunto de ternas ordenadas:
2 = {CCC, CCS, CSC, SCC, SSC, SCS, CSS, SSS}
Si el experimento aleatorio es lanzar una moneda
y un dado a la vez, y observar ambos resultados,
el espacio muestral es:
3 = {1C, 2C, 3C, 4C, 5C, 6C, 1S, 2S, 3S, 4S, 5S, 6S}

Si el experimento aleatorio es lanzar una

moneda tantas veces como sea necesario
hasta que aparezca la primera cara, su
espacio muestral es el conjunto:
4 = {C, SC, SSC, SSSC, etc.}
Si el experimento aleatorio es medir la vida
til (en aos) de un componente
electrnico, su espacio muestral es el
conjunto:
5 {t R/ t 0}
Si el experimento aleatorio consiste en
determinar la posicin de cada de un dardo
que es lanzado hacia un blanco circular de
radio 5 cm., su espacio muestral es el
conjunto:
6 = {(x, y) R/ x2 + y2 25}

Por el nmero de elementos o puntos muestrales

se clasifican en:
1.

2.

3.

DISCRETOS FINITOS: consisten de un numero

finito de elementos. Ejemplo los espacios: 1,
2, 3

DISCRETOS INFINITOS: consisten de un

numero infinito numerables de elementos.
Ejemplo el espacio: 4
CONTINUOS: consisten de un numero infinito
no numerables de elementos. Ejemplo los
espacios: 5 y 6.

EVENTOS:

Se denomina evento a cualquier subconjunto de un

espacio muestral.
Por ejemplo en el espacio muestral finito = {w1,
w2, , w3} de n elementos se puede definir 2n
eventos diferentes, tambin tenemos,
El evento imposible que no tiene puntos
muestrales, en consecuencia no ocurre nunca.
Los eventos unitarios o elementales, {wi} que
contienen un solo punto muestral.
Los eventos compuestos que consisten de dos o
ms eventos elementales.

El evento seguro o cierto que contiene a todos

los elementos posibles.

A priori significa aquello que se puede deducir usando la razn, sin

la experiencia. Desde este punto de vista se define la probabilidad
como:

Nmero de casos favorables a A

P( A)
Nmero total de casos posibles

Ejemplo:
Cul es la probabilidad de que el dado se detenga con un 2 hacia
arriba?
SOLUCIN:
Como existen 6 nmeros posibles y slo uno de ellos es un 2, la
probabilidad de dos 2 es una tirada de un dado es:
Resultados posibles: ={ 1; 2; 3; 4; 5; 6} ...... n() = 6
Casos favorables: A = {2} .. n(A) = 1

1
P( A) 0.1667
6

A posteriori significa despus del hecho; en el contexto de la

probabilidad, significa despus de reunir algunos datos. Desde el
punto de vista a posteriori se define como:

P( A)

Nmero de veces que A ha ocurrido

Cantidad total de ocurencias

Ejemplo:
Cul es la probabilidad de obtener un 2 despus de lanzar el dado
100 000 veces, y que un dos apareci en 16 000 ocasiones?
SOLUCIN:
Mientras ms arrojemos el dado, ser mejor.
Para este problema:

Nmero de veces que a ocurrido (2) 16000

P(2)

0.16
Cantidad total de ocurencias
100000

REGLA DE LA ADICIN:
La probabilidad de ocurrencia de A B es igual a la probabilidad
de ocurrencia de A ms la probabilidad que ocurra B menos la
probabilidad de que ocurra A y B:

P( A B) P( A) P( B) P( A B)

De igual manera, dos eventos son mutuamente excluyentes si la

ocurrencia de uno impide la ocurrencia del otro. En este caso:
:
P( A B) P( A) P( B);
Si : ( A B)
Ejemplo:
Cul es la probabilidad de elegir un 2 un As al extraer una carta
de la baraja ordinaria.
SOLUCIN:
Como queremos un 2 un As y como estos eventos son
mutuamente excluyentes, aplicamos la regla anterior:

P(2 As ) P(2) P( As )

4
4

0.1538 15.38%
52 52

REGLA DEL PRODUCTO:

La probabilidad de ocurrencia de A y B es igual a la probabilidad de
ocurrencia de A por la probabilidad de que B ocurra, dado que A ha
ocurrido.
B

P( A y B) P( A).P
A

Observe que el smbolo (B/A) se lee como la probabilidd de que

ocurra B dado que A ha ocurrido
De igual manera, dos eventos son independientes si la ocurrencia
de un evento no tiene efecto sobre la probabilidad de ocurrencia
del otro. :

P( A B) P( A).P( B)

Ejemplo:
Cul es la probabilidad de que ambas cartas sean ases?
SOLUCIN:
Como el problema pide un As en la primera y segunda extraccin,
podemos aplicar la regla del producto. Sea A un As en la primera
extraccin y B un As en la segunda.
16
4 4
P(2 As ) P(2) P( A B) .
0.0059
52
52
2704

Consideramos un espacio S igual a la unin de los

eventos mutuamente excluyentes: E1; E2; E3; ..
Ek, y un evento cualquiera R en S; entonces la
probabilidad de R, conocido como principio de
expansin o probabilidad marginal, es:
R
P( R) P( Ei ).P
i 1
Ei
k

Ejemplo:
En un saln de clase, el 32% de los estudiantes
son hombres. Asimismo, se sabe que el 10% de
los estudiantes son de provincias, mientras que el
60 % de las mujeres son de Lima. Si de la lista de
estudiantes del saln se selecciona al asar uno de
ellos, Cul es la probabilidad que sea de Lima?

SOLUCIN:
Evento M = Seleccionar estudiante mujer.
Evento H = Seleccionar estudiante hombre
P( H ) 32% 0.32
P( M ) 100% 32% 68% 0.68
P( L / H ) Pr obabilidad de que un estudiante var n sea de Lima.
P( L / H ) 100% 10% 90% 0.90
P( L / M ) Pr obabilidad de que una estudiante mujer sea de Lima.
P( L / M ) 60% 0.60
Por lo tan to : P( L) P( H ).P ( L / H ) P( M ).P( L / M )
P ( L) (0.32)(0.90) (0.68)(0.60) 0.696

A.

VARIACIONES SIMPLES
Es cada uno de los arreglos u ordenes que
se hagan con los k objetos, de manera
que, estos arreglos difieran en algn
elemento o en el orden de colocacin.
Ejemplo: las variaciones de 2 elementos
del conjunto A = {a, b, c, d} son los
siguientes arreglos: ab, ac, ad, ba, bc, bd,
ca, cb, cd, da, db, dc.
El numero de variaciones esta dado por:
n!
V
(n k )!
n
k

2.

VARIACIONES CON REPETICION

Cada uno de los arreglos de los k
objetos, puede ser uno mismo de los
n objetos.
Ejemplo:
las
variaciones
con
repeticin de dos elementos tomados
de los elementos a, b, c, son: aa,
ab,ac, ba, bb, bc, ca, cb, cc.
El numero de variaciones
repeticin esta dado por:

VR n
n
k

con

 De

cuntas maneras diferentes

se puede formar nmeros de 5
cifras con los dgitos 3, 4, 5, 6, 7,
8, 9 de manera empiecen con 6 o
terminen en 8, si los dgitos:

a) no se repiten
b) se repiten

1.

PERMUTACIONES SIMPLES
Se denominan permutaciones de n objetos a
cada una de las variaciones de los n objetos
distintos.
Ejemplo: son permutaciones de las letras a,
b , c
las siguientes variaciones sin
repeticin de todas: abc, acb, bac, bca, cab,
cba
El numero de permutaciones esta dado por:

P n Vnn n!

2.

PERMUTACIONES CIRCULARES
Son las diferentes permutaciones que
pueden formarse con n objetos distintos,
donde no hay ni primero ni ultimo objeto,
ya que todos forman un circulo (o
cualquier otra figura plana cerrada)
El numero de permutaciones circulares esta
dado por:

PC (n 1)!
n

3.

PERMUTACIONES CON OBJETOS REPETIDOS

El numero de permutaciones de n objetos
de los cuales n1 son iguales entre si, n2 son
iguales entre si, , y nk son iguales entre si,
esta dado por:

n
n1, n 2,..,nk

n!

n1!n2 !...nk !

Ejemplo:
Las permutaciones de las 4 letras a, a, b, b
son:
aabb, abab, abba, baba, baab, bbaa
El numero total es:

4
2, 2

4!

6
2! x 2!

De cuantas formas diferentes se pueden ordenar

todos los elementos del conjunto:
A = {1, 2, 3, 4, 5, 6, 7, 8, 9}
de manera que los elementos 1 y 9 no aparezcan
juntos?

Ejercicio 3:

De cuantas maneras diferentes pueden sentarse 9

personas alrededor de una mesa elipsoidal si dos
personas determinadas deben estar uno al lado del
otro?

Ejercicio 4:

El numero de formas diferentes de permutar 12

objetos iguales en todo (salvo el color), de los
cuales 3 son negro, 4 son blanco y 5 son rojo es:

1.

COMBINACIONES SIMPLES
Se denomina combinaciones a la seleccin
que se puede hacer de k objetos de los n
dados, sin tener en cuenta el orden de los
mismos y de manera que no pueden haber
dos combinaciones con los mismos
elementos.
Ejemplo: las combinaciones de 3 de los
nmeros: 1, 2, 3, 4, 5 son:
123, 124,125, 134, 135, 145, 234, 235,
245, 345

El nmero total de combinaciones esta dado

por:
n!
n
Ck

k!(n k )!

Propiedades para las combinaciones:

1) C 0n C nn 1
2) C kn C nn k
3) C kn1 C kn C kn 1
4) C kn

n k 1 n
xC k 1
k

5)

C
k 0

n
k

2n

m
k

xC tn k C tm n

6)

C
k 0

2.

COMBINACIONES CON REPETICION

El numero de combinaciones de k objetos
tomados de n objetos, de manera que dos
o k objetos pueden ser uno mismo
(repetirse), esta dado por:
n k 1 (n k 1)!

CR
k
k!(n 1)!
n
k

Ejemplo: las combinaciones con repeticin

de orden dos a partir de los cuatro
elementos a, b, c, d son: aa, ab, ac, ad, bb,
bc, bd, cc, cd, dd
El nmero de estas combinaciones es:
CR24

(4 2 1)!
10
2!(4 1)!

Si los eventos E1, E2, E3,.,Ek forman

una particin del espacio S; y R un evento
cualquiera de S; entonces, considerando
las condiciones anteriores dadas en la
probabilidad total y adems siendo P(R)
diferente de cero:
E
P( Ei ).P i
E
R
P i
P( R)
R

EJEMPLO:
Considere 18 tiradores clasificados en 4 grupos. En el primer grupo hay
cinco tiradores con probabilidad de 0.8 de dar en el blanco, en el segundo
hay siete con probabilidad 0.7, en el tercero hay 4 con probabilidad de 0.6; y
en el ltimo con probabilidad de 0.5 de dar en el blanco. Se elige al azar un
tirador, dispara y no da en el blanco. A qu grupo es ms probable que
pertenezca?
SOLUCIN:
Evento E1: Tirador elegido pertenece al grupo E1 = 5
Evento E2: Tirador elegido pertenece al grupo E2 = 7
=16
Evento E3: Tirador elegido pertenece al grupo E3 = 4
Evento E4: Tirador elegido pertenece al grupo E4 = 2 = 18-16
Las probabilidades de los eventos son:

5
7
4
, P( E2 ) , P( E3 )
18
18
18
Si ocurre E1, entonces la probabilidad P(R/E1) = 0.8
Si ocurre E2, entonces la probabilidad P(R/E2) = 0.7
Si ocurre E3, entonces la probabilidad P(R/E3) = 0.6
Si ocurre E4, entonces la probabilidad P(R/E4) = 0.5
P( E1 )

T=18

Luego, aplicando la frmula de la probabilidad total, se tiene:

5
7
4
2
(0.8) (0.7) (0.6) (0.5) 0.683
18
18
18
18
Calculemos ahora P(Ei/R), i = 1, 2, 3, 4
5
(0.8)
E1
P ( E1 ).( R / E1 ) 18
P( )

0.3252
R
P( R)
0.683
7
(0.7)
E2
P( E2 ).( R / E2 ) 18
P( )

0.3984
R
P( R)
0.683
4
(0.8)
E3
P ( E3 ).( R / E3 ) 18
P( )

0.1951
R
P( R)
0.683
2
(0.8)
E4
P( E4 ).( R / E4 ) 18
P( )

0.0813
R
P( R)
0.683
P( R)

CONCLUSIN: El grupo 4 tiene baja probabilidad de dar en el blanco. Por

lo tanto es ms probable que el tirador pertenezca a este
grupo.

Estimacin de
Intervalo

Confiabilidad asociada a la probabilidad de

que el intervalo dado cubra realmente al
parmetro

Intervalo de Confianza (IC)

Estudiar las distribuciones

asociadas a los principales
estadsticos

Es una distribucin hipottica.

Se presenta cuando se selecciona un infinito
nmero de muestras de la poblacin y se
calcula una estadstica en particular (la
media) para cada una.
Cuando se grafica estos clculos con un
histograma se obtendr una distribucin
muestral.

Dancey y Reidy (2011)

Field (2009)

Comportamiento de parmetros poblacionales

Muestras aleatorias
Estadstico

(variable aleatoria)

Distribucin de
probabilidades
Predice la mayor o menor frecuencia relativa
(probabilidad) con que se presentan los posibles
valores del estadstico

 Es la transformacin de una observacin que describe mejor el lugar que

esa observacin ocupa en la distribucin.
Indica a qu cantidad de desviaciones estndar por encima (+) o por
debajo (-) de la media se encuentra dicha observacin.

Cul sera la
puntuacin Z de
Jerome?
Aron, Aron y Coups (2013)

A un grupo de nios se le aplica una prueba de

inteligencia (WISC); supngase que las puntuaciones
se distribuyen en forma normal y tienen los
parmetros siguientes: = 15, = 100. Determinar:
a)

b)

c)

Si la proporcin normal de inteligencia en

trminos del CI est entre 90 y 110, qu
porcentaje de nios estn en este intervalo
P(90x110)?
Qu porcentaje de ninos obtuvieron un CI mayor
que 110?, es decir P(x110)?.
Qu porcentaje de nios tienen menor que el
trmino medio o menos de 90; P(x90)?.
Dancey y Reidy (2011)

SOLUCIN (a):
PASO 1:
Se calculan los valores de Z para 90 y 110, o sea x1 = 90 y x2 = 110.
Puntuacin Z para 90: Z X i 90 100 10 0.67

15
15
Puntuacin Z para 110:
Z

Xi

110 100 10
0.67
15
15

PASO 2:
Se determina el porcentaje entre la media y cada una de las puntuaciones Z
obtenidas anteriormene, utilizando la table de distribucin binomial Z. Se
obtiene que el rea bajo la curva entre la media y la puntuacin Z(-0.67) es
24.86%; y para Z(0.67) es 24.86%, lo que da un total de 49.72%. Por lo tanto,
ste es el resultado esperado de ninos que presentan un CI normal entre 90 y
110.

SOLUCIN (b):
PASO 1:
Se calculan los valores de Z para 110.
Puntuacin Z para 110:
Z

Xi

110 100 10
0.67
15
15

PASO 2:
Se ubica en una grfica el valor de Z obtenido:
Como se localiza en la table de distribucin binomial el valor del rea del
extremo derecho y el valor anterior, 24.86% es el rea de la media a 110, y
dado que dicha rea es de 50%, se resta a 50% el valor de 24.86% y ste
ser el porcentaje del rea buscado: 50% - 24.86% = 25.14%.
Esta rea en la grfica equivale a 25.14% significa el porcentaje de ninos con
CI superiors al trmino medio.

SOLUCIN (c):
PASO 1:
Se calculan los valores de Z para 90.
Puntuacin Z para 90:
Z

Xi

90 100 10

0.67
15
15

PASO 2:
Se ubica en una grfica el valor de Z obtenido:
Como se localiza en la tabla de distribucin binomial Z, el valor del rea hacia
el lado izquierdo es 24.86%. Por lo que, el rea buscado se obtiene restando:
50% - 24.86% = 25.14% hacia el lado izquierdo.
Esta rea en la grfica, el 25.14%, significa el porcentaje de ninos con CI
inferiores al trmino medio.

Seis meses despus de divorciarse, cada uno de los ex

esposos de una pareja realiza una prueba para medir su
adaptacin al divorcio. El registro de la esposa es 63 y el del
esposo 59 (mientras mayor puntaje obtenga implica que su
adaptacin es mejor). Por lo general, la media para mujeres
que realizan esta prueba es 60 (S=6); la media para hombres
divorciados es 55 (S=4). Cul de los dos se ha adaptado
mejor al divorcio en relacin con otras personas divorciadas
del mismo sexo?
La puntuacin de una persona en una prueba de aptitud verbal
es de 81 y de 6.4 en una prueba de aptitud numrica. En el
caso de la prueba de aptitud verbal, la media para las
personas en general es 50 y la desviacin estndar es 20. En
el caso de la prueba de aptitud numrica, la media para las
personas en general es 0 y la desviacin estndar es 5. Cul
es la mayor aptitud de esta persona, la verbal o la numrica?

Aron, Aron y Coups (2013)

Distribucin normal estndar

Caldern (2011)

Ejemplo 2:
Si en las pruebas de CI las puntuaciones tienen una distribucin
X ~ N (100, 256).
a) Cul es la probabilidad de que una persona obtenga un puntaje menor a
90 puntos?
b) Cul es la probabilidad de que una persona obtenga un puntaje mayor a
90 y menor a 110 puntos?
c) Cul es el mnimo CI que necesitara una persona para estar dentro del
5% superior?

Ejemplo:
Si en Apurmac el 22% de alumnos de secundaria tiene buen manejo del castellano y
se toma una muestra aleatoria de 50 escolares. Con qu probabilidad menos de 1/5 de
la muestra mostrar este atributo?

Gonick y Smith (1993)

Gonick y Smith (1993)

Gonick y Smith (1993)

Gonick y Smith (1993)