Beruflich Dokumente
Kultur Dokumente
GEOESTADÍSTICA
ESTADÍSTICA DESCRIPTIVA
1. La estadística descriptiva
Obtenidos a través de encuestas, experimentos o cualquier otro conjunto de medidas, los datos
estadísticos suelen ser tan numerosos que resultan prácticamente inútiles si no son resumidos
de forma adecuada. Para ello la Estadística utiliza tanto técnicas gráficas como numéricas.
2. Tipos de datos
Los datos (o variables) pueden ser de dos tipos: cuantitativos y cualitativos.
Los datos cuantitativos son los que representan una cantidad reflejada en una escala numérica.
A su vez, pueden clasificarse como datos cuantitativos discretos si se refieren al conteo de alguna
característica, o datos cuantitativos continuos si se refieren a una medida.
Los datos cualitativos o categóricos se refieren a características de la población que no pueden
asociarse a cantidades con significado numérico, sino a características que sólo pueden
clasificarse.
(Dr. Sáez Castillo, 2012)
3. Variable aleatoria
La función que asigna números o valores a cada uno de los elementos del espacio muestra con
una probabilidad definida, se denomina variable aleatoria.
El espacio de muestra es el dominio de la función y el conjunto de valores que la variable puede
tomar es el rango de la función.
Si el rango de X es el conjunto de números enteros Z o un subconjunto de Z, la variable aleatoria
se llama variable aleatoria discreta, y si el rango es el conjunto de números reales, R, o un
subconjunto de R, la variable aleatoria se llama variable aleatoria continua. Son ejemplos de
variables aleatorias continuas: la estatura, el peso, la edad, el volumen, el pH, etc. Algunos
ejemplos de variables discretas son: el número de alumnos en una clase, el número de
accidentes de automóvil, número de piezas defectuosas por lote, etc.
Es decir, la probabilidad P(a ≤ X < b) es el área sombreada de la gráfica de f(x), para las líneas
verticales x = a y x = b. Esta área da la probabilidad de que X se encuentre entre a y b.
(2)
Si en la ecuación (2) hacemos que z = (x-μ)/σ tal que x = μ +σ z y dx/dz = σ , (dx =σ dz) se tiene
que:
En Tablas aparecen tabulados los valores de esta integral para una distribución N(0,1), (Función
Estándar de Distribución Normal) representada por:
4 ESTADÍSTICA DESCRIPTIVA
La distribución normal estándar, o tipificada o reducida, es aquella que tiene por media el valor
cero, µ =0, y por desviación típica la unidad, σ =1.
La probabilidad de la variable X dependerá del área del recinto sombreado en la figura. Y para
calcularla utilizaremos una tabla, que se encuentra al final de este repartido.
Tipificación de la variable
es una variable aleatoria normal con media cero y varianza 1. La variable aleatoria Z se denomina
variable normal estándar.
Las áreas bajo la curva normal entre z = -∞ y un valor cualquiera de z, definen la probabilidad
de algún evento.
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribución N(µ,
σ) en otra variable Z que siga una distribución N(0, 1).
La tabla (al final de este repartido) nos da las probabilidades de P(Z ≤ z), siendo Z la variable
tipificada. Estas probabilidades nos dan la función de distribución Φ(Z).
Φ(z) = P(Z ≤ z)
Esta tabla nos proporciona la probabilidad desde que ocurran sucesos menores que z.
CASOS:
1.
2.
3.
6 ESTADÍSTICA DESCRIPTIVA
4.
5.
6.
7.
7 ESTADÍSTICA DESCRIPTIVA
Ejemplo 2: La media de los diámetros interiores de una muestra de 200 arandelas producida por
una máquina es de 0.502 pulgadas y la desviación estándar 0.005 pulgadas. El propósito para
el que se destinan estas arandelas permite una tolerancia máxima de en el diámetro de 0.496 a
0.508 pulgadas, de otro modo las arandelas tienen que desecharse. Determinar el porcentaje de
arandelas de desecho producidas por la máquina, suponiendo que los diámetros se distribuyen
normalmente.
% arandelas de desecho: ?
= 1 – {P(Z<=1.2 – P(Z>1.2)}
= 1 – {P(Z<=1.2 – [1 - P(Z<=1.2)]}
= 1 – {φ (1.2) – [1 - φ (1.2)]}
= 1 – [0.8849 – (1 – 0.8849)]
= 1 – 0.7698 = 0.2302
Rpta.: 23.02%
8 ESTADÍSTICA DESCRIPTIVA