28/03/2018

ESTADÍSTICA II
UAH

Clase 02: Teoría de la probabilidad.

Distribuciones de probabilidad.

~Marcela Moraga Cubillos~

memoraga@uc.cl

2. La estadística

Estadística
Procedimientos (matemáticos) para resumir y analizar información cuantitativa

Estadística Descriptiva Estadística Inferencial

Muestra  Muestra Muestra  Población

La técnica depende del

tipo de variable.

Univariada Bivariada
Bivariada
Univariada Intervalos de Test de hipótesis (para dos
Confianza, Test de muestras), chi cuadrado,
MTC, MD, MF Tablas de
hipótesis (para una correlaciones.
contingencia.
muestra) Regresiones

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 2

~Marcela Moraga Cubillos~ 1

 28/03/2018

2. La estadística

Parámetro poblacional Estadístico muestral

Descripción resumida de una Descripción resumida de una

variable en la población. variable en la muestra.

Habitualmente no se conoce Se conoce a través de encuestas

(o bien, dato censal) por muestreo.

Media x Xx
Proporción Px ,  x px
x sx
Desviación
estándar
P  Q px  qx
~Marcela Moraga Cubillos~ memoraga@uc.cl~ 3

2. Probabilidad

TEORÍA DE LA PROBABILIDAD ESTADÍSTICA INFERENCIAL

Población Población
3 2 7

?
451 6 2
56 21 7
1301 1 4
8 834 1
4 7125 61

Muestra
Muestra 3 4

?
18 7
61

~Marcela Moraga Cubillos~ memoraga@uc.cl~

~Marcela Moraga Cubillos~ 2

 28/03/2018

2. Probabilidad

La inferencia estadística se basa en las probabilidades.

Frecuencia relativa con que puede esperarse que ocurra
Probabilidad 
un evento.

Tres formas de obtener la probabilidad de ocurrencia de un evento:

1. Probabilidad subjetiva  “Tincada”, a.k.a. el ojímetro.

2. Probabilidad teórica  Probabilidades de largo plazo

p [éxito] = n° casos exitosos .

n° casos totales (ensayos)

3. Probabilidad empírica  Se calcula a partir de pruebas y experimentos.

A más pruebas, más se parecerá a la probabilidad teórica.

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 5

2. Probabilidad
Ejemplo 1:

En esta manzana hay 11 hogares.

Según GSE, en la manzana encontramos: 3 hogares
C1, 2 hogares C2, 4 hogares C3 y 2 hogares D

¿Cuál es la probabilidad de elegir al azar un

hogar C2? (evento)

Existen 11 resultados posibles (espacio muestral), 2

son hogares C2.

Probabilidad de elegir al azar un hogar C2 es:

2
 0,1818
11
~Marcela Moraga Cubillos~ memoraga@uc.cl~ 6

~Marcela Moraga Cubillos~ 3

 28/03/2018

2. Probabilidad
Ejemplo 2:
¿Cuán probable es que al sacar un estudiante del curso al azar, éste sea mujer?

Hay 3 formas de responder:

1. Subjetiva: le preguntamos a tres personas del curso, y que nos digan su

predicción.
2. Empírica: en una bolsa se colocan papeles con los nombres de todas las
personas del curso y sacamos al azar una muestra de 10 (o 20 o 30) papeles.
¿Cuál es la frecuencia relativa observada?
3. Teórica: de los 43 alumnos inscritos en el curso, hay 41 mujeres. Por lo tanto:
17
 0,3954
43
La probabilidad de elegir una mujer al azar entre todos los estudiantes del curso
es de un 39,54%

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 7

2. Probabilidad

Variable aleatoria Característica de interés de la población cuyo valor es

determinado por el azar entre los valores posibles del espacio muestral del
experimento (resultado del experimento aleatorio).

− Experimento  Lanzar dos monedas.

− Variable aleatoria  X=“Número de caras”.

− Espacio muestral  Todos los posibles resultados del experimento.

E= (CC); (CS); (SC); (SS)

− Valores posibles de la variable aleatoria  0 caras, 1 cara, 2 caras.

− Evento  Un valor posible de la variable aleatoria. Obtener dos caras.

1
 0,25
4
~Marcela Moraga Cubillos~ memoraga@uc.cl~ 8

~Marcela Moraga Cubillos~ 4

 28/03/2018

2. Probabilidad
Ejemplo 3 (lúdico)
Probabilidad empírica por grupo
0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 10

2. Probabilidad
Ejemplo 3 (lúdico)
Frecuencia relativa acumulada
0,6000

0,5000

0,4000

0,3000

0,2000

0,1000

0,0000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 11

~Marcela Moraga Cubillos~ 5

 28/03/2018

2. Probabilidad

Propiedades básicas de las probabilidades

Propiedad 1: Las probabilidades siempre varían entre 0 y 1.

 Probabilidades son proporciones.

0  p( A)  1

Propiedad 2: La suma de las probabilidades de todos los eventos (éxitos y

fracasos) debe ser igual a 1.

 p( A), q( A)  1
Otras propiedades: Ritchey (2006), pp. 161-166

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 13

3. Distribución de probabilidades
A veces, queremos conocer la probabilidad asociada a cada valor de la variable
aleatoria. Para eso, usamos las…

Distribuciones de probabilidad

− Curva construida a partir de la relación entre cada valor de una variable

aleatoria con su probabilidad teórica (probabilidad de ocurrencia en el
largo plazo, en la población).

► ¿En qué se diferencia de las distribuciones de frecuencias relativas (tabla

de frecuencias, clase pasada)?

- Se grafica la probabilidad teórica, mientras las frecuencias

relativas (y sus histogramas) se basan en la probabilidad
empírica.

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 15

~Marcela Moraga Cubillos~ 6

 28/03/2018

3. Distribución de probabilidades
Ejemplo 5

− Variable aleatoria  X=“Número de caras”.

− Espacio muestral  E= (CC); (CS); (SC); (SS)
− Valores posibles de la variable aleatoria  0 caras, 1 cara, 2 caras.

Probabilidad de ocurrencia de cada valor de Probabilidades asociadas al Nº de caras en

la variable aleatoria el lanzamiento de dos monedas
0,6
x P (x) 0,5
0 0,25 0,4
1 0,50 0,3
2 0,25 0,2
1 0,1
0
0 caras 1 cara 2 caras

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 16

3. Distribución de probabilidades

Ejemplo 6
Distribución de probabilidad de los años que han estudiado los chilenos
según el Censo 2002.
Distribución de probabilidad del número de
años de estudio de chilenos mayores de 15
años (Censo, 2002)
Cumple las propiedades: 0,2
0,18
- Las probabilidades asociadas a cada 0,16
valor van entre 0 y 1. 0,14
- Suma de todas las probabilidades =1. 0,12
0,1
0,08
0,06
0,04
0,02
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 17

~Marcela Moraga Cubillos~ 7

 28/03/2018

3. Distribución de probabilidades

Ejemplo 7
Habitaciones utilizadas solamente para dormir.
Unidad de análisis: hogares. Censo (2002)

− ¿Cuál es la variable aleatoria? 0 piezas 0,68 27.773

− Dibuje la distribución de probabilidad. 1 piezas 22,43 919.123
− Calcule la media y la desv. est. para estos datos.
2 piezas 38,55 1.579.780
    x  P( x)  3 piezas 27,58 1.130.259

   ( x   )  P( x) 
2 2 4 piezas 7,94 325.149
5 piezas 2,02 82.904
   ( x   ) 2
 P( x)  6 + piezas 0,79 32.500

   ( x 2

 P( x)   2

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 18

3. Distribución de probabilidades

Ejemplo 8 Censo (2002) x*P(x) x2*P(x)

0 piezas 0,0068 0,0 0

− Variable aleatoria  X=Número de
piezas usadas para dormir en el hogar. 1 piezas 0,2243 0,2243 0,2243

2 piezas 0,3855 0,7711 1,5422

3 piezas 0,2758 0,8276 2,4826

0,5
0,4 4 piezas 0,0794 0,3175 1,2696

0,3 5 piezas 0,0202 0,1012 0,5058

0,2 6 + piezas 0,0079 0,0475 0,2855
0,1 Suma 1,0 2,2891 6,3101
0 μ 2,2891
0 1 2 3 4 5 6+
σ2 1,0701
σ 1,0345

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 19

~Marcela Moraga Cubillos~ 8

 28/03/2018

4. Curva normal y probabilidades

Curva normal y probabilidades

Para una variable de cuantitativa que suponemos se distribuye normalmente

en la población…

− Uso de puntuaciones estandarizadas (Z).

Z  Cantidad de desviaciones estándar a las que se sitúa cada puntuación
respecto de la media.

− La curva representa la probabilidad de ocurrencia de ciertos eventos.

− Permite determinar la proporción de puntuaciones (de una población) que

caen entre cualquier par de puntuaciones de la distribución.
(Ritchey, 2006: 166).

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 20

4. Curva normal y probabilidades

Regla Empírica: Cuando una distribución está distribuida normalmente…

- A menos de 1 desv. est. de la media  68% de los datos.

- A menos de 2 desv. est. de la media  95% de los datos.
- A menos de 3 desv. est. de la media  99,7% de los datos.

Punto de inflexión A 1 desv. est. de la

68% media, la curva comienza a
volverse convexa.

-4,0 -3,5 -3,0 -2,5 -2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0

x – 1s x x+ 1s

x – 2s 95% x+ 2s
x – 3s 99,7% x+ 3s

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 21

~Marcela Moraga Cubillos~ 9

 28/03/2018

4. Curva normal y probabilidades

Ejemplo 10

− El CI se distribuye
normal en la población.
− Tiene media 100 y desv.
estándar 16.
− Siguiendo la regla
empírica…

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 22

4. Curva normal y probabilidades

Estandarización:

Z = Valor bruto – Promedio .

Desviación estándar

X X p p
z z
 P  (1  P)

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 23

~Marcela Moraga Cubillos~ 10

 28/03/2018

4. Curva normal y probabilidades

Y, para corroborar, podemos estandarizar los puntajes recién encontrados…

84  100 116  100

84  Z x  ? 116   Z x  ?
16 16
68  100 132  100
68  Z x  ? 132   Z x  ?
16 16
52  100 148  100
52  Z x  ? 148   Z x  ?
16 16

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 24

4. Curva normal y probabilidades

Y, para corroborar, podemos estandarizar los puntajes recién encontrados…

84  100 116  100

84  Z x   1 116   Z x   1
16 16
68  100 132  100
68  Z x   2 132   Z x   2
16 16
52  100 148  100
52  Z x   3 148   Z x   3
16 16

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 25

~Marcela Moraga Cubillos~ 11

 28/03/2018

4. Curva normal y probabilidades

Ejemplo 11 Curso A Curso B Curso C
Nota Z Nota Z Nota Z
6,2 1,16 6,2 0,85 5,1 0,10
3,7 -1,39 3,7 -0,94 5,2 0,24
5,2 0,14 6,0 0,71 5,0 -0,04
4,6 -0,47 6,5 1,07 5,1 0,10
4,7 -0,37 3,8 -0,87 4,9 -0,18
3,5 -1,59 3,5 -1,08 3,5 -2,14
6,5 1,47 6,5 1,07 6,5 2,06
5,0 -0,06 6,4 1,00 4,9 -0,18
5,5 0,45 3,6 -1,01 5,0 -0,04
5,7 0,65 3,9 -0,80 5,1 0,10

Media: 5,06 Media: 5,01 Media: 5,03

Desvest:0,98 Desvest: 1,39 Desvest:0,71

~Marcela Moraga Cubillos~ memoraga@uc.cl~

4. Curva normal y probabilidades

En la práctica, la inferencia estadística se hace a partir de distribuciones de

probabilidad y a distribuciones muestrales (next).

Distribución de Curva que se construye al asociar a cada suceso su


probabilidad probabilidad teórica (de largo plazo).

Distribución Distribución de probabilidad de un estadístico

muestral de un  muestral al obtener infinitas muestras de igual
estadístico tamaño y provenientes de la misma población

~Marcela Moraga Cubillos~ memoraga@uc.cl~ 28

~Marcela Moraga Cubillos~ 12