Cuadernillo IPC PyE 2 2015

Material de estudio

Carrera: Profesorado de Matemática para la

escuela secundaria

Carácter: anual

Docente: Lic. Mario Alvarez

Instituto Profesorado Concordia D-54

Sección Matemática

Probabilidad y Estadística 2

(tercer año)

Estructura del cuadernillo y bibliografía base de referencia:

Unidad 1: Algunas relaciones entre distribuciones de probabilidad discretas y

continuas

Bibliografía:

Walpole R., Myers R y Myers S (2012). Probabilidad y estadística para ingenieros. Capítulo 6, secciones 6.5 (binomial y

normal) y 6.6 (gamma y exponencial): páginas 187 a 200, y Capítulo 5 (Binomial con Poisson): páginas 161 a 166. México:

Prentice – Hall Hispanoamericana, S. A.

Práctico de clase 1

Unidad 2: Variables aleatorias: Función generatriz de momentos. Bibliografía: Canavos G. (1988). Probabilidad y Estadística: aplicaciones y métodos. Capítulo 3. México: Mc Graw Hill


Unidad 3: Tipos de muestreos

Bibliografía:

Diez Stella M. (2005). Estadística aplicada a los negocios utilizando Microsoft Excel. Cap. 1. MP Ediciones S.A.

Kilmansky D. (2009). Estadística para todos. Cap. 6. Buenos Aires: Ministerio de Educación.


Unidad 4: Distribuciones en el muestreo

Bibliografía:

Canavos G. (1988). Probabilidad y Estadística: aplicaciones y métodos. Capítulo 7. México: Mc Graw Hill



Unidad 5: Estimación puntual y por intervalos: propiedades deseables de los

estimadores. Test de hipótesis

Bibliografía:

Canavos G. (1988). Probabilidad y Estadística: aplicaciones y métodos. Capítulo 8. México: Mc Graw Hill

Hispanoamericana, S. A.



Unidad 6: Introducción al análisis de regresión lineal

Walpole R., Myers R y Myers S (2012). Probabilidad y estadística para ingenieros. Capítulo 11: pág. 389 a 399. México:

Prentice Hall.

5.5 Distribución de Poisson y proceso de Poisson 161

Aplicaciones de las distribuciones binomial negativa y geométricaLas áreas de aplicación de las distribuciones binomial negativa y geométrica serán evi-dentes cuando nos enfoquemos en los ejemplos de esta sección y en los ejercicios que se dedican a tales distribuciones al fi nal de la sección 5.5. En el caso de la distribución geométrica, el ejemplo 5.16 describe una situación en que los ingenieros o adminis-tradores intentan determinar cuán inefi ciente es un sistema de conmutación telefónica durante periodos ajetreados. En este caso es evidente que los ensayos que ocurren antes de un éxito representan un costo. Si hay una alta probabilidad de que se requieran varios intentos antes de lograr conectarse, entonces se debería rediseñar el sistema.

Las aplicaciones de la distribución binomial negativa son similares por naturaleza. Supongamos que los intentos son costosos en algún sentido y que ocurren en secuencia. La alta probabilidad de que se requiera un número “grande” de intentos para experi-mentar un número fi jo de éxitos no es benéfi ca ni para el científi co ni para el ingeniero. Considere los escenarios de los ejercicios de repaso 5.90 y 5.91. En el ejercicio 5.91 el perforador defi ne cierto nivel de éxitos perforando diferentes sitios en secuencia para encontrar petróleo. Si sólo se han hecho 6 intentos en el momento en que se experimenta el segundo éxito, parecería que las utilidades superan de forma considerable la inversión en que se incurre para la perforación.

5.5 Distribución de Poisson y proceso de PoissonLos experimentos que producen valores numéricos de una variable aleatoria X, el nú-mero de resultados que ocurren durante un intervalo de tiempo determinado o en una región específi ca, se denominan experimentos de Poisson. El intervalo de tiempo puede ser de cualquier duración, como un minuto, un día, una semana, un mes o incluso un año. Por ejemplo, un experimento de Poisson podría generar observaciones para la variable aleatoria X que representa el número de llamadas telefónicas por hora que recibe una ofi cina, el número de días que una escuela permanece cerrada debido a la nieve durante el invierno o el número de juegos suspendidos debido a la lluvia durante la temporada de béisbol. La región específi ca podría ser un segmento de recta, una área, un volumen o quizá una pieza de material. En tales casos X podría representar el número de ratas de campo por acre, el número de bacterias en un cultivo dado o el número de errores meca-nográfi cos por página. Un experimento de Poisson se deriva del proceso de Poisson y tiene las siguientes propiedades:

Propiedades del proceso de Poisson1. El número de resultados que ocurren en un intervalo o región específi ca es indepen-

diente del número que ocurre en cualquier otro intervalo de tiempo o región del espacio disjunto. De esta forma vemos que el proceso de Poisson no tiene memoria.

2. La probabilidad de que ocurra un solo resultado durante un intervalo de tiempo muy corto o en una región pequeña es proporcional a la longitud del intervalo o al tamaño de la región, y no depende del número de resultados que ocurren fuera de este intervalo de tiempo o región.

3. La probabilidad de que ocurra más de un resultado en tal intervalo de tiempo corto o que caiga en tal región pequeña es insignifi cante.

El número X de resultados que ocurren durante un experimento de Poisson se llama variable aleatoria de Poisson y su distribución de probabilidad se llama distribu-

TMP_Walpole-05.indd 161 6/8/12 7:40 PM

162 Capítulo 5 Algunas distribuciones de probabilidad discreta

ción de Poisson. El número medio de resultados se calcula a partir de μ = λt, donde t es el “tiempo”, la “distancia”, el “área” o el “volumen” específi cos de interés. Como las probabilidades dependen de λ, denotaremos la tasa de ocurrencia de los resultados con p(x; λt). La derivación de la fórmula para p(x; λt), que se basa en las tres propiedades de un proceso de Poisson que se listaron antes, está fuera del alcance de este texto. La siguiente fórmula se utiliza para calcular probabilidades de Poisson.

Distribuciónde Poisson

La distribución de probabilidad de la variable aleatoria de Poisson X, la cual representa el número de resultados que ocurren en un intervalo de tiempo dado o región específi cos y se denota con t, es

p(x ;λt) =e−λt (λt)x

x !, x = 0, 1, 2, . . . ,

donde λ es el número promedio de resultados por unidad de tiempo, distancia, área o volumen y e = 2.71828…

La tabla A.2 contiene las sumatorias de la probabilidad de Poisson

P (r ;λt) =

r

x =0

p(x ;λt),

para valores selectos de λt que van de 0.1 a 18.0 Ilustramos el uso de esta tabla con los siguientes dos ejemplos.

Ejemplo 5.17: Durante un experimento de laboratorio el número promedio de partículas radiactivas que pasan a través de un contador en un milisegundo es 4. ¿Cuál es la probabilidad de que entren 6 partículas al contador en un milisegundo dado?

Solución: Al usar la distribución de Poisson con x = 6 y λt = 4, y al remitirnos a la tabla A.2, te-nemos que

p(6; 4) =

e−446

6!=

6

x =0

p(x ; 4) −

5

x =0

p(x ; 4) = 0.8893 − 0.7851 = 0.1042.

Ejemplo 5.18: El número promedio de camiones-tanque que llega cada día a cierta ciudad portuaria es 10. Las instalaciones en el puerto pueden alojar a lo sumo 15 camiones-tanque por día. ¿Cuál es la probabilidad de que en un día determinado lleguen más de 15 camiones y se tenga que rechazar algunos?

Solución: Sea X el número de camiones-tanque que llegan cada día. Entonces, usando la tabla A.2, tenemos

P (X > 15) = 1 − P (X ≤ 15) = 1 −

15

x =0

p(x ; 10) = 1 − 0.9513 = 0.0487.

Como la distribución binomial, la distribución de Poisson se utiliza para control de calidad, aseguramiento de calidad y muestreo de aceptación. Además, ciertas distribucio-nes continuas importantes que se usan en la teoría de confi abilidad y en la teoría de colas dependen del proceso de Poisson. Algunas de estas distribuciones se analizan y desarro-llan en el capítulo 6. El siguiente teorema acerca de la variable aleatoria de Poisson se presenta en el apéndice A.25.

Teorema 5.4: Tanto la media como la varianza de la distribución de Poisson p(x; λt) son λt.


5.5 Distribución de Poisson y proceso de Poisson 163

Naturaleza de la función de probabilidad de PoissonAl igual que muchas distribuciones discretas y continuas, la forma de la distribución de Poisson se vuelve cada vez más simétrica, incluso con forma de campana, a medida que la media se hace más grande. Una ilustración de esto son las gráfi cas de la función de probabilidad para μ = 0.1, μ = 2 y fi nalmente μ = 5 que se muestran en la fi gura 5.1. Observe cómo se acercan a la simetría cuando μ se vuelve tan grande como 5. Con la distribución binomial ocurre algo parecido, como se ilustrará más adelante en este texto.

0

0.25

0.5

0.75

1.0

0 2 4 6 8 10x

f(x)

f(x)

= 0.1 = 2 = 5

0

0.10

0.20

0.30

f(x)

0

0.10

0.20

0.30

x x0 2 4 6 8 100 2 4 6 8 10

μ μ μ

Figura 5.1: Funciones de densidad de Poisson para diferentes medias.

Aproximación de una distribución binomial por medio de una distribución de Poisson

A partir de los tres principios del proceso de Poisson debería ser evidente que la distri-bución de Poisson se relaciona con la distribución binomial. Aunque la de Poisson por lo general se aplica en problemas de espacio y tiempo, como se ilustra con los ejemplos 5.17 y 5.18, se podría considerar como una forma limitante de la distribución binomial. En el caso de la distribución binomial, si n es bastante grande y p es pequeña, las condi-ciones comienzan a simular las implicaciones de espacio o tiempo continuos del proceso de Poisson. La independencia entre las pruebas de Bernoulli en el caso binomial es con-sistente con la segunda propiedad del proceso de Poisson. Permitir que el parámetro p se acerque a cero se relaciona con la tercera propiedad del proceso de Poisson. De hecho, si n es grande y p es cercana a 0, se puede usar la distribución de Poisson, con μ = np, para aproximar probabilidades binomiales. Si p es cercana a 1, aún podemos utilizar la distribución de Poisson para aproximar probabilidades binomiales intercambiando lo que defi nimos como éxito y fracaso, por lo tanto, cambiando p a un valor cercano a 0.

Teorema 5.5: Sea X una variable aleatoria binomial con distribución de probabilidad b(x; n, p). Cuan-do n → ∞, p → 0, y np n →∞

−→ μ permanece constante,

b(x; n, p)n →∞−→ p(x; μ).



Ejemplo 5.19: En cierta fábrica los accidentes ocurren con muy poca frecuencia. Se sabe que la proba-bilidad de un accidente en cualquier día dado es de 0.005, y que los accidentes son inde-pendientes entre sí.

a) ¿Cuál es la probabilidad de que en un día de cualquier periodo determinado de 400 días ocurra un accidente?

b) ¿Cuál es la probabilidad de que ocurra un accidente a lo sumo en tres días de tal pe-riodo?

Solución: Sea X una variable aleatoria binomial con n = 400 y p = 0.005. Por consiguiente, np = 2. Si utilizamos la aproximación de Poisson,

a) P (X = 1) = e−221 = 0.271 y

b) P (X ≤ 3) =3

x =0e−22x /x! = 0.857.

Ejemplo 5.20: En un proceso de fabricación donde se manufacturan productos de vidrio ocurren defec-tos o burbujas, lo cual ocasionalmente hace que la pieza ya no se pueda vender. Se sabe que, en promedio, 1 de cada 1000 artículos producidos tiene una o más burbujas. ¿Cuál es la probabilidad de que una muestra aleatoria de 8000 tenga menos de 7 artículos con burbujas?

Solución: Se trata básicamente de un experimento binomial con n = 8000 y p = 0.001. Como p es muy cercana a cero y n es bastante grande, haremos la aproximación con la distribución de Poisson utilizando

μ = (8000)(0.001) = 8.

Por lo tanto, si X representa el número de burbujas, tenemos

P (X < 7) =

6

x =0

b(x ; 8000, 0.001) ≈ p(x ; 8) = 0.3134.

Ejercicios5.49 La probabilidad de que una persona que vive en cierta ciudad tenga un perro es de 0.3. Calcule la proba-bilidad de que la décima persona entrevistada al azar en esa ciudad sea la quinta que tiene un perro.

5.50 Calcule la probabilidad de que una persona que lanza una moneda obtenga a) la tercera cara en el séptimo lanzamiento; b) la primera cara en el cuarto lanzamiento.

5.51 Tres personas lanzan una moneda legal y el disparejo paga los cafés. Si todas las monedas tienen el mismo resultado, se lanzan de nuevo. Calcule la probabilidad de que se necesiten menos de 4 lanza-mientos.

5.52 Un científi co inocula a varios ratones, uno a la vez, el virus que produce una enfermedad, hasta que encuentra a 2 que contraen la enfermedad. Si la proba-

bilidad de contraer la enfermedad es de 1/6, ¿cuál es la probabilidad de que tenga que inocular a 8 ratones?5.53 Un estudio de un inventario determina que, en promedio, el número de veces al día que se solicita un artículo específi co en un almacén es 5. ¿Cuál es la proba-bilidad de que en un día determinado este artículo se pida a) más de 5 veces? b) ninguna vez?

5.54 De acuerdo con un estudio publicado por un grupo de sociólogos de la Universidad de Massachusetts, Estados Unidos, casi dos terceras partes de los 20 mi-llones de personas que consumen Valium son mujeres. Suponga que esta cifra es una estimación válida y cal-cule la probabilidad de que en un determinado día la quinta prescripción de Valium que da un médico sea a) la primera prescripción de Valium para una mujer; b) la tercera prescripción de Valium para una mujer.


Ejercicios 165

5.55 La probabilidad de que una persona que estudia la carrera de piloto privado apruebe el examen escrito para obtener la licencia es de 0.7. Calcule la probabili-dad de que cierto estudiante apruebe el examen a) en el tercer intento; b) antes del cuarto intento.

5.56 En cierto crucero ocurren, en promedio, 3 acci-dentes de tránsito al mes. ¿Cuál es la probabilidad de que en cualquier determinado mes en este crucero a) ocurran exactamente 5 accidentes? b) ocurran menos de 3 accidentes? c) ocurran al menos 2 accidentes?

5.57 Un escritor de libros comete, en promedio, dos errores de procesamiento de texto por página en el pri-mer borrador de su libro. ¿Cuál es la probabilidad de que en la siguiente página cometa a) 4 o más errores? b) ningún error?

5.58 Cierta área del este de Estados Unidos resulta afectada, en promedio, por 6 huracanes al año. Calcule la probabilidad de que para cierto año esta área resulte afectada por a) menos de 4 huracanes; b) cualquier cantidad entre 6 y 8 huracanes.

5.59 Suponga que la probabilidad de que una deter-minada persona crea un rumor acerca de las transgre-siones de cierta actriz famosa es de 0.8. ¿Cuál es la probabilidad de que a) la sexta persona que escuche este rumor sea la

cuarta en creerlo? b) la tercera persona que escuche este rumor sea la

primera en creerlo?

5.60 Se estima que el número promedio de ratas de campo por acre, en un campo de 5 acres de trigo, es 12. Calcule la probabilidad de que se encuentren menos de 7 ratas de campo a) en un acre dado; b) en 2 de los siguientes 3 acres que se inspeccionen.

5.61 Suponga que, en promedio, una persona en 1000 comete un error numérico al preparar su declaración de impuestos. Si se seleccionan 10,000 formas al azar y se examinan, calcule la probabilidad de que 6, 7 u 8 de las formas contengan un error.

5.62 Se sabe que la probabilidad de que un estudiante de preparatoria no pase la prueba de escoliosis (curva-tura de la espina dorsal) es de 0.004. De los siguientes 1875 estudiantes que se revisan en búsqueda de esco-liosis, calcule la probabilidad de que a) menos de 5 no pasen la prueba; b) 8, 9 o 10 no pasen la prueba.

5.63 Calcule la media y la varianza de la variable alea-toria X del ejercicio 5.58, que representa el número de huracanes que afectan cada año a cierta área del este de Estados Unidos.

5.64 Calcule la media y la varianza de la variable aleatoria X del ejercicio 5.61, que representa el número de personas, de cada 10,000, que comete un error al preparar su declaración de impuestos.

5.65 Un fabricante de automóviles se preocupa por una falla en el mecanismo de freno de un modelo es-pecífi co. En raras ocasiones la falla puede causar una catástrofe al manejarlo a alta velocidad. La distribución del número de automóviles por año que experimentará la catástrofe es una variable aleatoria de Poisson con λ = 5. a) ¿Cuál es la probabilidad de que, a lo sumo, 3 au-

tomóviles por año de ese modelo específi co sufran una catástrofe?

b) ¿Cuál es la probabilidad de que más de un auto-móvil por año experimente una catástrofe?

5.66 Los cambios en los procedimientos de los ae-ropuertos requieren una planeación considerable. Los índices de llegadas de los aviones son factores impor-tantes que deben tomarse en cuenta. Suponga que los aviones pequeños llegan a cierto aeropuerto, de acuerdo con un proceso de Poisson, con una frecuencia de 6 por hora. De esta manera, el parámetro de Poisson para las llegadas en un periodo de horas es μ = 6t. a) ¿Cuál es la probabilidad de que lleguen exacta-

mente 4 aviones pequeños durante un periodo de una hora?

b) ¿Cuál es la probabilidad de que lleguen al menos 4 durante un periodo de una hora?

c) Si defi nimos un día laboral como de 12 horas, ¿cuál es la probabilidad de que al menos 75 avio-nes pequeños lleguen durante un día laboral?

5.67 Se supone que el número de clientes que llegan por hora a ciertas instalaciones de servicio automotriz sigue una distribución de Poisson con media λ = 7. a) Calcule la probabilidad de que lleguen más de 10

clientes en un periodo de dos horas. b) ¿Cuál es el número medio de llegadas durante un

periodo de 2 horas?

5.68 Considere el ejercicio 5.62. ¿Cuál es el número promedio de estudiantes que no pasan la prueba?

5.69 La probabilidad de que una persona muera al contraer una infección viral es de 0.001. De los si-guientes 4000 infectados con el virus, ¿cuál es el nú-mero promedio que morirá?



5.70 Una empresa compra lotes grandes de cierta clase de dispositivo electrónico. Utiliza un método que rechaza el lote completo si en una muestra aleatoria de 100 unidades se encuentran 2 o más unidades defec-tuosas. a) ¿Cuál es el número promedio de unidades defec-

tuosas que se encuentran en una muestra de 100 unidades si el lote tiene 1% de unidades defec-tuosas?

b) ¿Cuál es la varianza?

5.71 Se sabe que para cierto tipo de alambre de cobre ocurren, en promedio, 1.5 fallas por milímetro. Si se supone que el número de fallas es una variable aleatoria de Poisson, ¿cuál es la probabilidad de que no ocurran fallas en cierta parte de un alambre que tiene 5 milí-metros de longitud? ¿Cuál es el número promedio de fallas en alguna parte de un alambre que tiene 5 milí-metros de longitud?

5.72 Los baches en ciertas carreteras pueden ser un problema grave y requieren reparación constante-mente. Con un tipo específi co de terreno y mezcla de concreto la experiencia sugiere que hay, en promedio, 2 baches por milla después de cierta cantidad de uso. Se supone que el proceso de Poisson se aplica a la variable aleatoria “número de baches”. a) ¿Cuál es la probabilidad de que no aparezca más de

un bache en un tramo de una milla? b) ¿Cuál es la probabilidad de que no aparezcan más

de 4 baches en un tramo determinado de 5 millas?

5.73 En ciudades grandes los administradores de los hospitales se preocupan por el fl ujo de personas en las salas de urgencias. En un hospital específi co de una

ciudad grande el personal disponible no puede alojar el fl ujo de pacientes cuando hay más de 10 casos de emergencia en una hora determinada. Se supone que la llegada de los pacientes sigue un proceso de Poisson y los datos históricos sugieren que, en promedio, llegan 5 emergencias cada hora. a) ¿Cuál es la probabilidad de que en una hora de-

terminada el personal no pueda alojar el fl ujo de pacientes?

b) ¿Cuál es la probabilidad de que, durante un turno de 3 horas, lleguen más de 20 emergencias?

5.74 Se sabe que 3% de las personas a las que se les revisa el equipaje en un aeropuerto lleva objetos cues-tionables. ¿Cuál es la probabilidad de que una serie de 15 personas cruce sin problemas antes de que se atrape a una con un objeto cuestionable? ¿Cuál es el número esperado de personas que pasarán antes de que se de-tenga a una?

5.75 La tecnología cibernética ha generado un am-biente donde los “robots” funcionan con el uso de mi-croprocesadores. La probabilidad de que un robot falle durante cualquier turno de 6 horas es de 0.10. ¿Cuál es la probabilidad de que un robot funcione a lo sumo 5 turnos antes de fallar?

5.76 Se sabe que la tasa de rechazo en las encuestas telefónicas es de aproximadamente 20%. Un reportaje del periódico indica que 50 personas respondieron a una encuesta antes de que una se rehusara a participar. a) Comente acerca de la validez del reportaje. Utilice

una probabilidad en su argumento. b) ¿Cuál es el número esperado de personas encues-

tadas antes de que una se rehúse a responder?

Ejercicios de repaso5.77 Durante un proceso de producción, cada día se seleccionan al azar 15 unidades de la línea de ensamble para verifi car el porcentaje de artículos defectuosos. A partir de información histórica se sabe que la probabi-lidad de tener una unidad defectuosa es de 0.05. Cada vez que se encuentran dos o más unidades defectuosas en la muestra de 15, el proceso se detiene. Este pro-cedimiento se utiliza pa ra proporcionar una señal en caso de que aumente la probabilidad de unidades de-fectuosas. a) ¿Cuál es la probabilidad de que en un día deter-

minado se detenga el proceso de producción? (Su-ponga 5% de unidades defectuosas).

b) Suponga que la probabilidad de una unidad defec-tuosa aumenta a 0.07. ¿Cuál es la probabilidad de que en cualquier día no se detenga el proceso de producción?

5.78 Se considera utilizar una máquina automática de soldadura para un proceso de producción. Antes de comprarla se probará para verifi car si tiene éxito en 99% de sus soldaduras. Si no es así, se considerará que no es efi ciente. La prueba se llevará a cabo con un pro-totipo que requiere hacer 100 soldaduras. La máquina se aceptará para la producción sólo si no falla en más de 3 soldaduras. a) ¿Cuál es la probabilidad de que se rechace una

buena máquina? b) ¿Cuál es la probabilidad de que se acepte una má-

quina inefi ciente que solde bien el 95% de las veces?

5.79 Una agencia de renta de automóviles en un ae-ropuerto local tiene 5 Ford, 7 Chevrolet, 4 Dodge, 3 Honda y 4 Toyota disponibles. Si la agencia selecciona al azar 9 de estos automóviles para transportar delega-


6.5 Aproximación normal a la binomial 187

c) Si sale de su casa a las 8:35 a.m. y el café se sirve en la ofi cina de 8:50 a.m. a 9:00 a.m., ¿cuál es la pro-babilidad de que se pierda el café?

d ) Calcule la duración mayor en la que se encuentra el 15% de los viajes más lentos.

e) Calcule la probabilidad de que 2 de los siguientes 3 viajes tomen al menos 1/2 hora.

6.16 En el ejemplar de noviembre de 1990 de Chemi-cal Engineering Progress, un estudio analiza el porcen-taje de pureza del oxígeno de cierto proveedor. Suponga que la media fue de 99.61, con una desviación estándar de 0.08. Suponga que la distribución del porcentaje de pureza fue aproximadamente normal. a) ¿Qué porcentaje de los valores de pureza esperaría

que estuvieran entre 99.5 y 99.7? b) ¿Qué valor de pureza esperaría que excediera

exactamente 5% de la población?

6.17 La vida promedio de cierto tipo de motor pe-queño es de 10 años, con una desviación estándar de 2 años. El fabricante reemplaza gratis todos los moto-res que fallen dentro del periodo de garantía. Si estu-viera dispuesto a reemplazar sólo 3% de los motores que fallan, ¿cuánto tiempo de garantía debería ofrecer? Suponga que la duración de un motor sigue una distri-bución normal.

6.18 La estatura de 1000 estudiantes se distribuye normalmente con una media de 174.5 centímetros y una desviación estándar de 6.9 centímetros. Si se supo-ne que las estaturas se redondean al medio centímetro más cercano, ¿cuántos de estos estudiantes esperaría que tuvieran una estatura a) menor que 160.0 centímetros? b) de entre 171.5 y 182.0 centímetros inclusive? c) igual a 175.0 centímetros? d ) mayor o igual que 188.0 centímetros?

6.19 Una empresa paga a sus empleados un salario promedio de $15.90 por hora, con una desviación es-tándar de $1.50. Si los salarios se distribuyen aproxi-madamente de forma normal y se redondean al centavo más cercano,

a) ¿qué porcentaje de los trabajadores recibe salarios de entre $13.75 y $16.22 por hora?

b) ¿el 5% de los salarios más altos por hora de los empleados es mayor a qué cantidad?

6.20 Los pesos de un gran número de poodle miniatura se distribuyen aproximadamente de forma normal con una media de 8 kilogramos y una desviación están-dar de 0.9 kilogramos. Si las mediciones se redondean al décimo de kilogramo más cercano, calcule la frac-ción de estos poodle con pesos a) por arriba de 9.5 kilogramos; b) a lo sumo 8.6 kilogramos; c) entre 7.3 y 9.1 kilogramos.

6.21 La resistencia a la tensión de cierto componente de metal se distribuye normalmente con una media de 10,000 kilogramos por centímetro cuadrado y una des-viación estándar de 100 kilogramos por centímetro cuadrado. Las mediciones se redondean a los 50 kilo-gramos por centímetro cuadrado más cercanos. a) ¿Qué proporción de estos componentes excede a

10,150 kilogramos por centímetro cuadrado de re-sistencia a la tensión?

b) Si las especifi caciones requieren que todos los componentes tengan una resistencia a la tensión de entre 9800 y 10,200 kilogramos por centímetro cuadrado, ¿qué proporción de piezas esperaría que se descartara?

6.22 Si un conjunto de observaciones se distribuye de manera normal, ¿qué porcentaje de éstas difi eren de la media en a) más de 1.3σ? b) menos de 0.52σ?

6.23 El coefi ciente intelectual (CI) de 600 aspirantes a cierta universidad se distribuye aproximadamente de forma normal con una media de 115 y una desviación estándar de 12. Si la universidad requiere un CI de al menos 95, ¿cuántos de estos estudiantes serán rechaza-dos con base en éste sin importar sus otras califi cacio-nes? Tome en cuenta que el CI de los aspirantes se redondea al entero más cercano.

6.5 Aproximación normal a la binomial

Las probabilidades asociadas con experimentos binomiales se obtienen fácilmente a partir de la fórmula b(x; n, p) de la distribución binomial o de la tabla A.1 cuando n es pequeña. Además, las probabilidades binomiales están disponibles en muchos paquetes de software. Sin embargo, resulta aleccionador conocer la relación entre la distribución binomial y la normal. En la sección 5.5 explicamos cómo se puede utilizar la distribu-ción de Poisson para aproximar probabilidades binomiales cuando n es muy grande y p se acerca mucho a 0 o a 1. Tanto la distribución binomial como la de Poisson son


188 Capítulo 6 Algunas distribuciones continuas de probabilidad

discretas. La primera aplicación de una distribución continua de probabilidad para aproximar probabilidades sobre un espacio muestral discreto se demostró en el ejem-plo 6.12, donde se utilizó la curva normal. La distribución normal a menudo es una buena aproximación a una distribución discreta cuando la última adquiere una forma de campana simétrica. Desde un punto de vista teórico, algunas distribuciones convergen a la normal a medida que sus parámetros se aproximan a ciertos límites. La distribución normal es una distribución de aproximación conveniente, ya que la función de distribu-ción acumulativa se tabula con mucha facilidad. La distribución binomial se aproxima bien por medio de la normal en problemas prácticos cuando se trabaja con la función de distribución acumulativa. Ahora plantearemos un teorema que nos permitirá utilizar áreas bajo la curva normal para aproximar propiedades binomiales cuando n es sufi -cientemente grande.

Teorema 6.3: Si X es una variable aleatoria binomial con media μ = np y varianza σ2 = npq, enton-ces la forma limitante de la distribución de

Z =X − np

√npq,

conforme n → ∞, es la distribución normal estándar n(z; 0, 1).

Resulta que la distribución normal con μ = np y σ2 = np(1 – p) no sólo ofrece una aproximación muy precisa a la distribución binomial cuando n es grande y p no está extremadamente cerca de 0 o de 1, sino que también brinda una aproximación bastante buena aun cuando n es pequeña y p está razonablemente cerca de 1/2.

Para ilustrar la aproximación normal a la distribución binomial primero dibujamos el histograma para b(x; 15, 0.4) y después superponemos la curva normal particular con la misma media y varianza que la variable binomial X. En consecuencia, dibujamos una curva normal con

μ = np = (15)(0.4) = 6 y σ 2 = npq = (15)(0.4)(0 .6) = 3.6.

El histograma de b(x; 15, 0.4) y la curva normal superpuesta correspondiente, que está determinada por completo por su media y su varianza, se ilustran en la fi gura 6.22.

110 1 2 3 4 5 6 7 8 9 13 15x

Figura 6.22: Aproximación normal de b(x; 15, 0.4).



La probabilidad exacta de que la variable aleatoria binomial X tome un valor deter-minado x es igual al área de la barra cuya base se centra en x. Por ejemplo, la probabili-dad exacta de que X tome el valor 4 es igual al área del rectángulo con base centrada en x = 4. Si usamos la tabla A.1, encontramos que esta área es

P (X = 4) = b(4; 15, 0.4) = 0.1268,

que es aproximadamente igual al área de la región sombreada bajo la curva normal entre las dos ordenadas x

1 = 3.5 y x

2 = 4.5 en la fi gura 6.23. Al convertir a valores z, tenemos

z1 =3.5 − 61.897

= −1.32 y z2 =4.5 − 61.897

= −0.79.

110 1 2 3 4 5 6 7 8 9 13 15x

Figura 6.23: Aproximación normal de b(x; 15, 0.4) y 9

x =7b(x; 15, 0.4).

Si X es una variable aleatoria binomial y Z una variable normal estándar, entonces,

P (X = 4 ) = b(4; 15, 0.4) ≈ P (−1.32 < Z < −0.79)

= P (Z < −0.79) − P (Z < −1.32) = 0.2148 − 0.0934 = 0.1214.

Esto se aproxima bastante al valor exacto de 0.1268.La aproximación normal es más útil en el cálculo de sumatorias binomiales para

valores grandes de n. Si nos remitimos a la fi gura 6.23, nos podríamos interesar en la probabilidad de que X tome un valor de 7 a 9. La probabilidad exacta es dada por

P (7 ≤ X ≤ 9) =9

x =0

b(x ; 15, 0.4) −6

x =0

b(x ; 15, 0.4)

= 0.9662 − 0.6098 = 0.3564,

que es igual a la sumatoria de las áreas de los rectángulos cuyas bases están centradas en x = 7, 8 y 9. Para la aproximación normal calculamos el área de la región sombreada bajo la curva entre las ordenadas x

1 = 6.5 y x

2 = 9.5 de la fi gura 6.23. Los valores z co-

rrespondientes son

z1 =6.5 − 61.897

= 0.26 y z2 =9.5 − 61.897

= 1.85.



Ahora,

P (7 ≤ X ≤ 9) ≈ P ( 0.26 < Z < 1.85) = P (Z < 1.85) − P (Z < 0.26)

= 0.9678 − 0.6026 = 0.3652.

Una vez más, la aproximación de la curva normal ofrece un valor que se acerca al valor exacto de 0.3564. El grado de exactitud, que depende de qué tan bien se ajuste la curva al histograma, se incrementa a medida que aumenta n. Esto es particularmente cierto cuando p no está muy cerca de 1/2 y el histograma ya no es simétrico. Las fi guras 6.24 y 6.25 muestran los histogramas para b(x; 6, 0.2) y b(x; 15, 0.2), respectivamente. Es eviden-te que una curva normal se ajustará mucho mejor al histograma cuando n = 15 que cuando n = 6.

0 1x

2 3 4 5 6 0x

1 2 3 4 5 6 7 8 9 11 13 15

Figura 6.24: Histograma para b(x; 6, 0.2). Figura 6.25: Histograma para b(x; 15, 0.2).

En las ilustraciones de la aproximación normal a la binomial se hizo evidente que si buscamos el área bajo la curva normal hacia la izquierda de, digamos x, es más preciso utilizar x + 0.5. Esto es una corrección para dar cabida al hecho de que una distribución discreta se aproxima mediante una distribución continua. La corrección +0.5 se llama corrección de continuidad. La explicación anterior conduce a la siguiente aproxima-ción normal formal a la binomial.

Aproximación normal a la

distribución binomial

Sea X una variable aleatoria binomial con parámetros n y p. Para una n grande, X tiene aproximadamente una distribución normal con μ = np y σ2 = npq = np(1 – p) y

x

k =0

b(k ; n, p)P(X ≤ x) =

≈ área bajo la curva normal a la izquierda de x + 0.5

= P Z ≤

x + 0.5 − np

√npq,

y la aproximación será buena si np y n(1 – p) son mayores que o iguales a 5.

Como indicamos antes, la calidad de la aproximación es muy buena para n grande. Si p está cerca de 1/2, un tamaño de la muestra moderado o pequeño será sufi ciente para una aproximación razonable. Ofrecemos la tabla 6.1 como una indicación de la calidad



de la aproximación. Se presentan tanto la aproximación normal como las probabilidades binomiales acumulativas reales. Observe que en p = 0.05 y p = 0.10 la aproximación es muy burda para n = 10. Sin embargo, incluso para n = 10, observe la mejoría para p = 0.50. Por otro lado, cuando p es fi ja en p = 0.05, observe cómo mejora la aproxima-ción conforme vamos de n = 20 a n = 100.

Tabla 6.1: Aproximación normal y probabilidades binomiales acumulativas reales

p = 0.05n = 20 n = 50 n = 100

p = 0.05, n = 10 p = 0.10, n = 10 p = 0.50, n = 10r Binomial Normal Binomial Normal Binomial Normal0 0.5987 0.5000 0.3487 0.2981 0.0010 0.00221 0.9139 0.9265 0.7361 0.7019 0.0107 0.01362 0.9885 0.9981 0.9298 0.9429 0.0547 0.05713 0.9990 1.0000 0.9872 0.9959 0.1719 0.17114 1.0000 1.0000 0.9984 0.9999 0.3770 0.37455 1.0000 1.0000 0.6230 0.62556 0.8281 0.82897 0.9453 0.94298 0.9893 0.98649 0.9990 0.9978

10 1.0000 0.9997

r Binomial Normal Binomial Normal Binomial Normal0 0.3585 0.3015 0.0769 0.0968 0.0059 0.01971 0.7358 0.6985 0.2794 0.2578 0.0371 0.05372 0.9245 0.9382 0.5405 0.5000 0.1183 0.12513 0.9841 0.9948 0.7604 0.7422 0.2578 0.24514 0.9974 0.9998 0.8964 0.9032 0.4360 0.40905 0.9997 1.0000 0.9622 0.9744 0.6160 0.59106 1.0000 1.0000 0.9882 0.9953 0.7660 0.75497 0.9968 0.9994 0.8720 0.87498 0.9992 0.9999 0.9369 0.94639 0.9998 1.0000 0.9718 0.9803

10 1.0000 1.0000 0.9885 0.9941

Ejemplo 6.15: Un paciente que padece una rara enfermedad de la sangre tiene 0.4 de probabilidad de recuperarse. Si se sabe que 100 personas contrajeron esta enfermedad, ¿cuál es la proba-bilidad de que sobrevivan menos de 30?

Solución: Representemos con la variable binomial X el número de pacientes que sobreviven. Como n = 100, deberíamos obtener resultados muy precisos usando la aproximación de la curva normal con

μ = np = (100)(0.4) = 40 y σ = √npq = (100)(0.4)(0.6)= 4.899.

Para obtener la probabilidad que se desea, tenemos que calcular el área a la izquier-da de x = 29.5.



El valor z que corresponde a 29.5 es

z =29.5 − 40

4.899= −2.14,

y la probabilidad de que menos de 30 de los 100 pacientes sobrevivan está dada por la región sombreada en la fi gura 6.26. Por lo tanto,

P (X < 30) ≈ P (Z <−2.14) = 0.0162.

0-2.14x

= 1σ

Figura 6.26: Área para el ejemplo 6.15.

0 1.16 2.71x

= 1σ

Figura 6.27: Área para el ejemplo 6.16.

Ejemplo 6.16: Un examen de opción múltiple tiene 200 preguntas, cada una con 4 respuestas posibles, de las que sólo una es la correcta. ¿Cuál es la probabilidad de que solamente adivinando se obtengan de 25 a 30 respuestas correctas para 80 de los 200 problemas sobre los que el estudiante no tiene conocimientos?

Solución: La probabilidad de adivinar una respuesta correcta para cada una de las 80 preguntas es p = 1/4. Si X representa el número de respuestas correctas sólo porque se adivinaron, entonces,

P (25 ≤ X ≤ 30) =30

x =25

b(x ; 80, 1/4).

Al usar la aproximación de la curva normal con

μ = np =(80)14

= 20

y

σ = √npq = (80)(1 /4)(3/4) = 3.873,

necesitamos el área entre x1 = 24.5 y x

2 = 30.5. Los valores z correspondientes son

z1 =24.5 − 20

3.873= 1.16 y z2 =

30.5 − 203.873

= 2.71.

La probabilidad de adivinar correctamente de 25 a 30 preguntas es dada por la región sombreada de la fi gura 6.27. En la tabla A.3 encontramos que

P (25 ≤ X ≤ 30) =30

x =25

b(x ; 80, 0.25) ≈ P (1.16 < Z < 2.71)

= P (Z < 2.71) − P (Z < 1.16) = 0.9966 − 0.8770 = 0.1196.


Ejercicios 193

Ejercicios

6.24 Se lanza una moneda 400 veces. Utilice la aproximación a la curva normal para calcular la proba-bilidad de obtener a) entre 185 y 210 caras; b) exactamente 205 caras; c) menos de 176 o más de 227 caras.

6.25 En un proceso para fabricar un componente electrónico, 1% de los artículos resultan defectuosos. Un plan de control de calidad consiste en seleccionar 100 artículos de un proceso de producción y detenerlo o continuar con él si ninguno está defectuoso. Use la aproximación normal a la binomial para calcular a) la probabilidad de que el proceso continúe con el

plan de muestreo descrito; b) la probabilidad de que el proceso continúe aun si

éste va mal (es decir, si la frecuencia de componen-tes defectuosos cambió a 5.0% de defectuosos).

6.26 Un proceso produce 10% de artículos defectuo-sos. Si se seleccionan al azar 100 artículos del proce-so, ¿cuál es la probabilidad de que el número de defectuosos a) exceda los 13? b) sea menor que 8?

6.27 Un paciente tiene 0.9 de probabilidad de recupe-rarse de una operación de corazón delicada. De los si-guientes 100 pacientes que se someten a esta operación, ¿cuál es la probabilidad de que a) sobrevivan entre 84 y 95 inclusive? b) sobrevivan menos de 86?

6.28 Investigadores de la Universidad George Wa-shington y del Instituto Nacional de Salud informan que aproximadamente 75% de las personas cree que “los tranquilizantes funcionan muy bien para lograr que una persona esté más tranquila y relajada”. De las siguientes 80 personas entrevistadas, ¿cuál es la proba-bilidad de que a) al menos 50 tengan esta opinión? b) a lo sumo 56 tengan esta opinión?

6.29 Si 20% de los residentes de una ciudad de Esta-dos Unidos prefi eren un teléfono blanco sobre cual-quier otro color disponible, ¿cuál es la probabilidad de que, de los siguientes 1000 teléfonos que se instalen en esa ciudad, a) entre 170 y 185 sean blancos? b) al menos 210 pero no más de 225 sean blancos?

6.30 Un fabricante de medicamentos sostiene que cierto medicamento cura una enfermedad de la sangre, en promedio, 80% de las veces. Para verifi car la aseve-ración, inspectores gubernamentales utilizan el medi-

camento en una muestra de 100 individuos y deciden aceptar la afi rmación si se curan 75 o más. a) ¿Cuál es la probabilidad de que los inspectores gu-

bernamentales rechacen la aseveración si la proba-bilidad de curación es, de hecho, de 0.8?

b) ¿Cuál es la probabilidad de que el gobierno acepte la afi rmación si la probabilidad de curación resulta tan baja como 0.7?

6.31 Una sexta parte de los estudiantes de primer año que entran a una escuela estatal grande provienen de otros estados. Si son asignados al azar a los 180 dormi-torios de un edifi cio, ¿cuál es la probabilidad de que en un determinado dormitorio al menos una quinta parte de los estudiantes provenga de otro estado?

6.32 Una empresa farmacéutica sabe que aproxima-damente 5% de sus píldoras anticonceptivas no contiene la cantidad sufi ciente de un ingrediente, lo que las vuel-ve inefi caces. ¿Cuál es la probabilidad de que menos de 10 píldoras en una muestra de 200 sean inefi caces?

6.33 Estadísticas publicadas por la National Highway Traffi c Safety Administration y el National Safety Council revelan que en una noche promedio de fi n de semana, uno de cada 10 conductores está ebrio. Si la siguiente noche de sábado se revisan 400 conductores al azar, ¿cuál es la probabilidad de que el número de conductores ebrios sea a) menor que 32? b) mayor que 49? c) al menos 35 pero menos que 47?

6.34 Un par de dados se lanza 180 veces. ¿Cuál es la probabilidad de que ocurra un total de 7 a) al menos 25 veces? b) entre 33 y 41 veces? c) exactamente 30 veces?

6.35 Una empresa produce partes componentes para un motor. Las especifi caciones de las partes sugieren que sólo 95% de los artículos las cumplen. Las partes para los clientes se embarcan en lotes de 100. a) ¿Cuál es la probabilidad de que más de 2 artícu-

los estén defectuosos en un lote determinado? b) ¿Cuál es la probabilidad de que más de 10 artícu-

los de un lote estén defectuosos?

6.36 Una práctica común por parte de las aerolíneas consiste en vender más boletos que el número real de asientos para un vuelo específi co porque los clientes que compran boletos no siempre se presentan a abordar el avión. Suponga que el porcentaje de pasajeros que no se presentan a la hora del vuelo es de 2%. Para un vuelo particular con 197 asientos, se vendieron un total



de 200 boletos. ¿Cuál es la probabilidad de que la aero-línea haya sobrevendido el vuelo?

6.37 El nivel X de colesterol en la sangre en mucha-chos de 14 años tiene aproximadamente una distribu-ción normal, con una media de 170 y una desviación estándar de 30. a) Determine la probabilidad de que el nivel de coles-

terol en la sangre de un muchacho de 14 años ele-gido al azar exceda 230.

b) En una escuela secundaria hay 300 muchachos de 14 años. Determine la probabilidad de que por lo menos 8 de ellos tengan un nivel de colesterol su-perior a 230.

6.38 Una empresa de telemarketing tiene una máqui-na especial para abrir cartas que abre y extrae el conte-nido de los sobres. Si un sobre se colocara de forma incorrecta en la máquina, no se podría extraer su conte-nido, o incluso se podría dañar. En este caso se dice que “falló” la máquina. a) Si la probabilidad de que falle la máquina es de

0.01, ¿cuál es la probabilidad de que ocurra más de una falla en un lote de 20 sobres?

b) Si la probabilidad de que falle la máquina es de 0.01 y se abrirá un lote de 500 sobres, ¿cuál es la probabilidad de que ocurran más de 8 fallas?

6.6 Distribución gamma y distribución exponencial

Aunque la distribución normal se puede utilizar para resolver muchos problemas de in-geniería y ciencias, aún hay numerosas situaciones que requieren diferentes tipos de funciones de densidad. En esta sección se estudiarán dos de estas funciones de densidad, la distribución gamma y la distribución exponencial.

Resulta que la distribución exponencial es un caso especial de la distribución gamma, y ambas tienen un gran número de aplicaciones. La distribución exponencial y la distri-bución gamma desempeñan un papel importante en la teoría de colas y en problemas de confi abilidad. Los tiempos entre llegadas en instalaciones de servicio y los tiempos de ope-ración antes de que partes componentes y sistemas eléctricos empiecen a fallar a menudo se representan bien mediante la distribución exponencial. La relación entre la distribu-ción gamma y la exponencial permite que la gamma se utilice en problemas similares. En la siguiente sección se presentarán más detalles y ejemplos.

La distribución gamma deriva su nombre de la bien conocida función gamma, que se estudia en muchas áreas de las matemáticas. Antes de estudiar la distribución gamma repasaremos esta función y algunas de sus propiedades importantes.

Defi nición 6.2: La función gamma se defi ne como

Γ(α) =∞

0x α−1e−x dx , para α > 0.

Las siguientes son algunas propiedades sencillas de la función gamma.

a) Γ(n) = (n – 1)(n – 2) ··· (1) Γ (1) para una integral positiva n.

Para ver la demostración, al integrar por partes con u = x α−1 y dv = e−x dx , obtenemos

Γ(α) = −e−x x α−1 ∞

0+

∞

0e−x (α − 1)x α−2 dx = (α − 1)

∞

0x α−2e−x dx ,

para α > 1, que produce la fórmula recursiva

Γ(α) = (α − 1)Γ(α − 1).

El resultado proviene de la aplicación repetida de la fórmula recursiva. Si utilizamos este resultado, podemos demostrar con facilidad las siguientes dos propiedades.


6.6 Distribución gamma y distribución exponencial 195

b)

c)

Γ(n) = (n − 1)! para una integral positiva n.Γ(1) = 1.

Asimismo, tenemos la siguiente propiedad de Γ(α), que el lector deberá verifi car (véase el ejercicio 6.39 de la página 206).

d ) Γ(1/2) = √π.

A continuación se defi ne la distribución gamma.

Distribución gamma

La variable aleatoria continua X tiene una distribución gamma, con parámetros α y β, si su función de densidad está dada por

f (x ; α, β) =1

βα Γ( α ) x α−1e−x/ β , x > 0,

0, en otro caso,

donde α > 0 y β > 0.

En la fi gura 6.28 se muestran gráfi cas de varias distribuciones gamma para ciertos valores específi cos de los parámetros α y β. La distribución gamma especial para la que α = 1 se llama distribución exponencial.

0 1 2 3 4 5 6

0.5

1.0

f(x)

x

= 1αβ = 1

= 2αβ = 1

= 4αβ = 1

Figura 6.28: Distribuciones gamma.

Distribución exponencial

La variable aleatoria continua X tiene una distribución exponencial, con parámetro β, si su función de densidad es dada por

f (x ; β) =1β e−x/ β , x > 0,

0, en otro caso,

donde β > 0.



El siguiente teorema y corolario proporcionan la media y la varianza de la distribución gamma y la exponencial.

Teorema 6.4: La media y la varianza de la distribución gamma son

μ = αβ y σ 2 = αβ2 .

La demostración de este teorema se encuentra en el apéndice A.26.

Corolario 6.1: La media y la varianza de la distribución exponencial son

μ = β y σ2 = β2 .

Relación con el proceso de PoissonContinuaremos con las aplicaciones de la distribución exponencial y después regresare-mos a la distribución gamma. Las aplicaciones más importantes de la distribución expo-nencial son situaciones donde se aplica el proceso de Poisson (véase la sección 5.5). El lector debería recordar que el proceso de Poisson permite utilizar la distribución discreta llamada distribución de Poisson. Recuerde que la distribución de Poisson se utiliza para calcular la probabilidad de números específi cos de “eventos” durante un periodo o espa-cio particulares. En muchas aplicaciones la variable aleatoria es el tiempo o la cantidad de espacio. Por ejemplo, un ingeniero industrial se podría interesar en un modelo de tiempo T entre las llegadas en una intersección congestionada durante las horas de ma-yor afl uencia en una ciudad grande. Una llegada representa el evento de Poisson.

La relación entre la distribución exponencial (a menudo denominada exponencial negativa) y el proceso de Poisson es muy simple. En el capítulo 5 la distribución de Poisson se desarrolló como una distribución de un solo parámetro con parámetro λ, donde λ se interpreta como el número medio de eventos por unidad de “tiempo”. Con-sidere ahora la variable aleatoria descrita por el tiempo que se requiere para que ocurra el primer evento. Si utilizamos la distribución de Poisson, vemos que la probabilidad de que no ocurra algún evento, en el periodo hasta el tiempo t, es dada por

p(0; λt) =e−λt (λt)0

0!= e−λt .

Ahora podemos utilizar lo anterior y hacer que X sea el tiempo para el primer evento de Poisson. La probabilidad de que la duración del tiempo hasta el primer evento exceda x es la misma que la probabilidad de que no ocurra algún evento de Poisson en x. Esto último, por supuesto, es dado por e – λx. Como resultado,

P (X > x ) = e−λx .

Así, la función de distribución acumulativa para X es dada por

P (0 ≤ X ≤ x ) = 1 − e−λx .

Ahora, para poder reconocer la presencia de la distribución exponencial, podemos dife-renciar la función de distribución acumulativa anterior con el fi n de obtener la función de densidad



f (x ) = λe−λx ,

que es la función de densidad de la distribución exponencial con λ = 1/β.

Aplicaciones de la distribución exponencial y la distribución gammaEn la explicación anterior establecimos las bases para la aplicación de la distribución exponencial en el “tiempo de llegada” o tiempo para problemas con eventos de Poisson. Aquí ilustraremos algunas aplicaciones de modelado y después procederemos a analizar el papel que la distribución gamma desempeña en ellas. Observe que la media de la distribución exponencial es el parámetro β, el recíproco del parámetro en la distribución de Poisson. El lector debería recordar que con frecuencia se dice que la distribución de Poisson no tiene memoria, lo cual implica que las ocurrencias en periodos sucesivos son independientes. El importante parámetro β es el tiempo promedio entre eventos. En la teoría de confi abilidad, donde la falla de equipo con frecuencia se ajusta a este proceso de Poisson, β se denomina tiempo medio entre fallas. Muchas descomposturas de equi-po siguen el proceso de Poisson y por ello se aplica la distribución exponencial. Otras aplicaciones incluyen tiempos de supervivencia en experimentos biomédicos y tiempo de respuesta de computadoras.

En el siguiente ejemplo mostramos una aplicación simple de la distribución expo-nencial a un problema de confi abilidad. La distribución binomial también desempeña un papel en la solución.

Ejemplo 6.17: Suponga que un sistema contiene cierto tipo de componente cuyo tiempo de operación antes de fallar, en años, está dado por T. La variable aleatoria T se modela bien mediante la distribución exponencial con tiempo medio de operación antes de fallar β = 5. Si se instalan 5 de estos componentes en diferentes sistemas, ¿cuál es la probabilidad de que al fi nal de 8 años al menos dos aún funcionen?

Solución: La probabilidad de que un componente determinado siga funcionando después de 8 años es dada por

P (T > 8) =15

∞

8e− t/ 5 dt = e−8/5 ≈ 0.2.

Representemos con X el número de componentes que todavía funcionan después de 8 años. Entonces, utilizando la distribución binomial tenemos

P (X ≥ 2) =

5

x =2

b(x ; 5, 0.2) =1 −1

x =0

b(x ; 5, 0.2) =1 − 0.7373 = 0.2627.

En el capítulo 3 se incluyen ejercicios y ejemplos en los que el lector ya se enfrentó a la distribución exponencial. Otros que implican problemas de tiempo de espera y de confi abilidad se pueden encontrar en el ejemplo 6.24 y en los ejercicios y ejercicios de repaso al fi nal de este capítulo.

La propiedad de falta de memoria y su efectoen la distribución exponencial

En los tipos de aplicación de la distribución exponencial en los problemas de confi abili-dad y de tiempo de vida de una máquina o de un componente infl uye la propiedad de



falta de memoria de la distribución exponencial. Por ejemplo, en el caso de, digamos, un componente electrónico, en el que la distribución del tiempo de vida es exponencial, la probabilidad de que el componente dure, por ejemplo, t horas, es decir, P(X > t), es igual que la probabilidad condicional

P (X ≥ t0 + t | X ≥ t0).

Entonces, si el componente “alcanza” las t0 horas, la probabilidad de que dure otras

t horas es igual que la probabilidad de que dure t horas. No hay “castigo” a través del desgaste como resultado de durar las primeras t

0 horas. Por lo tanto, cuando la propiedad

de falta de memoria es justifi cada es más adecuada la distribución exponencial. Pero si la falla del componente es resultado del desgaste lento o gradual (como en el caso del desgaste mecánico), entonces la distribución exponencial no es aplicable y serían más adecuadas la distribución gamma o la de Weibull (sección 6.10).

La importancia de la distribución gamma radica en el hecho de que defi ne una fami-lia en la cual otras distribuciones son casos especiales. Pero la propia distribución gamma tiene aplicaciones importantes en tiempo de espera y teoría de confi abilidad. Mientras que la distribución exponencial describe el tiempo que transcurre hasta la ocurrencia de un evento de Poisson (o el tiempo entre eventos de Poisson), el tiempo (o espacio) que transcurre hasta que ocurre un número específi co de eventos de Poisson es una variable aleatoria, cuya función de densidad es descrita por la distribución gamma. Este número específi co de eventos es el parámetro α en la función de densidad gamma. De esta ma-nera se facilita comprender que cuando α = 1, ocurre el caso especial de la distribución exponencial. La densidad gamma se puede desarrollar a partir de su relación con el pro-ceso de Poisson de la misma manera en que lo hicimos con la densidad exponencial. Los detalles se dejan al lector. El siguiente es un ejemplo numérico de cómo se utiliza la distribución gamma en una aplicación de tiempo de espera.

Ejemplo 6.18: Suponga que las llamadas telefónicas que llegan a un conmutador particular siguen un proceso de Poisson con un promedio de 5 llamadas entrantes por minuto. ¿Cuál es la probabilidad de que transcurra hasta un minuto en el momento en que han entrado 2 llamadas al conmutador?

Solución: Se aplica el proceso de Poisson, con un lapso de tiempo hasta que ocurren 2 eventos de Poisson que sigue una distribución gamma con β = 1/5 y α = 2. Denote con X el tiem-po en minutos que transcurre antes de que lleguen 2 llamadas. La probabilidad que se requiere está dada por

P (X ≤ 1) =

1

0

1β 2

xe −x/ β dx = 251

0xe −5x dx = 1 − e−5(1 + 5) = 0.96.

Mientras el origen de la distribución gamma trata con el tiempo (o espacio) hasta la ocurrencia de α eventos de Poisson, hay muchos ejemplos donde una distribución gamma funciona muy bien aunque no exista una estructura de Poisson clara. Esto es particu-larmente cierto para problemas de tiempo de supervivencia en aplicaciones de ingenie-ría y biomédicas.

Ejemplo 6.19: En un estudio biomédico con ratas se utiliza una investigación de respuesta a la dosis para determinar el efecto de la dosis de un tóxico en su tiempo de supervivencia. El tóxico es producido por el combustible que utilizan los aviones y, en consecuencia, descargan con frecuencia a la atmósfera. Para cierta dosis del tóxico, el estudio determina que el tiempo de supervivencia de las ratas, en semanas, tiene una distribución gamma con α = 5 y β = 10. ¿Cuál es la probabilidad de que una rata no sobreviva más de 60 semanas?



Solución: Sea la variable aleatoria X el tiempo de supervivencia (tiempo hasta la muerte). La pro-babilidad que se requiere es

P (X ≤ 60) =1

β5

60

0

x α−1e−x/ β

Γ(5)dx .

La integral anterior se puede resolver mediante la función gamma incompleta, que se convierte en la función de distribución acumulativa para la distribución gamma. Esta función se escribe como

F (x ; α) =x

0

yα−1e−y

Γ(α)dy .

Si permitimos que y = x/β, de modo que x = βy, tenemos

P (X ≤ 60) =6

0

y4e−y

Γ(5)dy ,

que se denota como F(6; 5) en la tabla de la función gamma incompleta del apéndice A.23. Observe que esto permite un cálculo rápido de las probabilidades para la distribu-ción gamma. De hecho, para este problema la probabilidad de que la rata no sobreviva más de 60 días es dada por

P (X ≤ 60) = F (6; 5) = 0.715.

Ejemplo 6.20: A partir de datos previos se sabe que la longitud de tiempo, en meses, entre las quejas de los clientes sobre cierto producto es una distribución gamma con α = 2 y β = 4. Se realizaron cambios para hacer más estrictos los requerimientos del control de calidad después de los cuales pasaron 20 meses antes de la primera queja. ¿Parecería que los cambios realizados en el control de calidad resultaron efi caces?

Solución: Sea X el tiempo para que se presente la primera queja, el cual, en las condiciones ante-riores a los cambios, seguía una distribución gamma con α = 2 y β = 4. La pregunta se centra alrededor de qué tan raro es X ≥ 20 dado que α y β permanecen con los valores 2 y 4, repectivamente. En otras palabras, en las condiciones anteriores ¿es razonable un “tiempo para la queja” tan grande como 20 meses? Por consiguiente, si seguimos la so-lución del ejemplo 6.19,

P (X ≥ 20) = 1 −1

βα

20

0

x α−1e−x/ β

Γ(α)dx .

De nuevo, usando y = x/β tenemos

P (X ≥ 20) = 1 −5

0

ye−y

Γ(2)dy = 1 F (5; 2) = 1 −− 0.96 = 0.04,

donde F(5; 2) = 0.96 se obtiene de la tabla A.23.Como resultado, podríamos concluir que las condiciones de la distribución gamma

con α = 2 y β = 4 no son sustentadas por los datos de que un tiempo observado para la queja sea tan extenso como 20 meses. Entonces, es razonable concluir que el trabajo de control de calidad resultó efi caz.

Ejemplo 6.21: Considere el ejercicio 3.31 de la página 94. Con base en abundantes pruebas se determi-nó que el tiempo Y en años antes de que se requiera una reparación mayor para cierta lavadora se caracteriza por la función de densidad

f (y) =14 e−y/ 4 , y ≥ 0,

0, en otro caso.



Observe que Y es una variable aleatoria exponencial con μ = 4 años. Se considera que la lavadora es una ganga si no hay probabilidades de que requiera una reparación mayor antes de cumplir 6 años de haber sido comprada. ¿Cuál es la probabilidad de P(Y > 6)? ¿Cuál es la probabilidad de que la lavadora requiera una reparación mayor durante el primer año?

Solución: Considere la función de distribución acumulativa F(y) para la distribución exponencial,

F (y) =1β

y

0e− t/ β dt = 1 − e−y/ β .

De manera que

P (Y > 6) = 1 − F (6) = e−3/2 = 0.2231.

Por lo tanto, la probabilidad de que la lavadora requiera una reparación mayor después de seis años es de 0.223. Desde luego, la probabilidad de que requiera reparación antes del sexto año es de 0.777. Así, se podría concluir que la lavadora no es realmente una ganga. La probabilidad de que se requiera una reparación mayor durante el primer año es

P (Y < 1) = 1 − e−1/4 = 1 − 0.779 = 0.221.

6.7 Distribución chi cuadrada

Otro caso especial muy importante de la distribución gamma se obtiene al permitir que α = v/2 y β = 2, donde v es un entero positivo. Este resultado se conoce como distri-bución chi cuadrada. La distribución tiene un solo parámetro, v, denominado grados de libertad.

Distribuciónchi cuadrada

La variable aleatoria continua X tiene una distribución chi cuadrada, con v grados de libertad, si su función de densidad es dada por

f (x ; v)1

2v/ 2 Γ( v/ 2) x v/ 2−1e−x/ 2 , x >=

0,

0, en otro caso,

donde v es un entero positivo.

La distribución chi cuadrada desempeña un papel fundamental en la inferencia esta-dística. Tiene una aplicación considerable tanto en la metodología como en la teoría. Aunque no estudiaremos con detalle sus aplicaciones en este capítulo, es importante tener en cuenta que los capítulos 8, 9 y 16 contienen aplicaciones importantes. La distri-bución chi cuadrada es un componente importante de la prueba estadística de hipótesis y de la estimación estadística.

Los temas en los que se trata con distribuciones de muestreo, análisis de varianza y estadística no paramétrica implican el uso extenso de la distribución chi cuadrada.

Teorema 6.5: La media y la varianza de la distribución chi cuadrada son

μ = v y σ 2= 2v.


Practico 1: Distribuciones continuas.

Ejercicio 1. Se consideran las siguientes funciones reales

f1(x) =

{c1√x si x ∈ (0, 1)

0 si x 6∈ (0, 1)f2(x) =

0 si x < 1

c2 x2 si x ∈ [1, 2]

c2 x si x ∈ (2, 3)

0 si x ≥ 3

1. Hallar las constantes para que f1 y f2 sean funciones de densidad.

2. Sean X1, X2 v.a. con dendidades f1 y f2 respectivamente. Hallar las distribuciones de X1 y X2.Hallar P (0, 3 < X1 < 0, 6) y P (X2 > 2).

Ejercicio 2. En pruebas de medicion de distancia de frenado de automoviles, los vehıculos que viajana determinada velocidad tienden a recorrer distancias de frenado que estan distribuıdas uniformementeentre dos puntos a y b. Calcular la probabilidad de que uno de estos automoviles:

1. se detenga mas cerca de a que de b.

2. se detenga de tal modo que la distancia a a sea por lo menos tres veces mayor que la distancia a b.

Ejercicio 3. 1. Sea Z una v.a. con distribucion normal estandar. Hallar la probabilidad de que Zsea mayor a 1, 84 y de que Z este entre −1, 97 y 0, 86.

2. Sea Z una v.a. con distribucion normal estandar. Hallar k tal que P (Z > k) = 0, 3015 y P (k <Z < −0, 18) = 0, 4197.

3. Sea X ∼ N(40, 36). Hallar el valor de x que deja el 45 % del area a su izquierda, hallar el valor dex que deja el 14 % del area a su derecha.

Ejercicio 4. En un proceso industrial, el diametro de un balero es parte importante de un componente.El comprador establece en sus especificaciones que el diametro debe ser de 3, 0 ± 0, 01cm. Por lo tanto,no se acepta ningun balero que se salga de dicha especificacion. Se sabe que en el proceso de produccion,dicho diametro tiene distribucion normal con media µ = 3, 0cm y desvıo estandar de σ = 0, 005cm. Enpronedio ¿que porcentaje de baleros fabricados se descartaran?

Ejercicio 5. El tiempo de vida en anos, T , de cierto aparato electronico se distribuye exponencialmentecon tasa λ = 0, 01. Si el fabricante quiere garantizar que la duracion de dichos aparatos superara los t0anos con probabilidad 0, 9:

1. determinar t0.

2. si se tienen cinco de estos aparatos funcionando independientemente, ¿cual es la probabilidad deque al menos dos de ellos continuen funcionando despues de t0 anos?

3. Hallar la distribucion de Y := mın{T, t0}, ¿Que tipo de v.a. es Y ?

Ejercicio 6. Sea T una v.a. con distribucion exp(λ).

1. Probar que P (T > s + t | T > s) = P (T > t) para todos s, t > 0. Esta propiedad se conoce comoperdida de memoria.

IPC - Matematica - PyE II - 2014

Practico 2: Momentos y F.G.M.

Ejercicio 1. Considere una variable aleatoria discreta X tal que P (X = 2k) = 12k+1 , k ∈ N. Pruebe que

su momento absoluto de primer orden no existe.

Ejercicio 2. Sea X una v.a. discreta con P (X = −2) = P (X = 0) = 1/5; P (X = −1) = 1/6;P (X = 1) = 1/15; P (X = 2) = 11/30. Hallar la esperanza y varianza de las variables:

1. Y = 2X + 1 2. Y = X2 3. Y = X3

Ejercicio 3. Hallar la esperanza y varianza de la v.a. X por definicion y a partir de la funcion generatrizde momentos:

1. X ∼ Ber(p). 2. X ∼ exp(λ). 3. X ∼ N(µ, σ)

Ejercicio 4. Hallar la funcion generatriz de momentos de la variable aleatoria X de Poisson. Utilizarlapara verificar que E(X) = λ y que V ar(X) = λ.

Ejercicio 5. Sean X1, X2, . . . , Xn v.a.i.i.d. con f.g.m. M(t).

1. Sea Sn = X1 + · · ·+Xn. Probar que MSn(t) = (M(t))n.

2. Si se tiene n variables aleatorias normales N(0, σ2): ¿que distribucion tiene la variable suma deellas? (¿la suma de variables normales es otra variable normal?).

3. Si se tiene n variables aleatorias normales N(µ, σ2): ¿que distribucion tiene la variable suma deellas?

4. Probar que, en general, toda combinacion lineal de v.a. normales independientes es una v.a. normal.Determinar los parametros.

5. Probar que una suma de v.a. de Poisson independientes es una v.a. de Poisson.

Ejercicio 6. Supongase que la duracion en minutos de una llamada de negocios, es una variable aleatoriacuya funcion de densidad de probabilidad esta determinada por:

f(x) =

{14e

−x/4 si x > 0

0 otro caso

Determinar E(X) y V ar(X) utilizando la definicion y mediante la funcion generatriz de momentos.

Introducción a la Estadística

Capítulo 1

Recopilar, describir, organizar

e interpretar datos para transformarlos

en información, nos permite tomar

decisiones de una manera más

eficiente. En este capítulo veremos

cuáles son las formas de recopilar

datos, distintos tipos de estudios

estadísticos y métodos de análisis.

ESTADÍSTICA APLICADA A LOS NEGOCIOSUTILIZANDO MICROSOFT EXCEL

SERVICIO DE ATENCIÓN AL LECTOR: [email protected]

¿Qué es la Estadística? 14Recopilación de datos 15Estudios y métodos estadísticos 16

Algunas definiciones 18Inicio de una investigación 21

Resumen 22Actividades 24

01_Estadistica.qxd 2/17/05 16:06 Page 13

¿QUÉ ES LA ESTADÍSTICA?

Con el objetivo de introducirnos en el estudio de la Estadística, le propone-mos que lea las siguientes definiciones:

“El contenido de la estadística moderna incluye la recopilación, presen-tación y caracterización de la información a fin de que auxilie tanto enel análisis de datos como en el proceso de toma de decisiones”.(1)

“La estadística, como campo de estudio, es el arte y la ciencia de dar sen-tido a los datos numéricos”.(2)

“La estadística se define a menudo como un conjunto de métodos parala toma de decisiones en condiciones de incertidumbre”.(3)

“La estadística estudia el comportamiento de los fenómenos llamados decolectivo. Está caracterizada por una información acerca de un colectivoo universo, lo que constituye su objeto material; un modo propio de ra-zonamiento, el método estadístico, lo que constituye su objeto formal, yunas previsiones de cara al futuro, lo que implica un ambiente de incer-tidumbre, que constituyen su objeto o causa final”.(4)

“La estadística es el estudio de los fenómenos aleatorios. […] El aspectomás importante de la estadística es la obtención de conclusiones basadasen los datos experimentales”.(5)

¿Qué palabras clave resaltaría de estas citas?Aportamos algunas: experimento, fenómeno, datos, información, méto-dos, técnicas, toma de decisiones, incertidumbre.

ESTADÍSTICA APLICADA A LOS NEGOCIOS UTILIZANDO MICROSOFT EXCEL

14

(1) Berenson, M y Levine, D. Estadística básica en administración. Prentince-Hall Hispanoamericana,4ta. Ed., 1992.

(2) Hildebrand, D. y Ott, L. Estadística Aplicada a la Administración y a la Economía.Addison-Wesley Iberoamerica, 3ra. Ed., 1997.

(3) Harnett, D. y Murphy, J. Introducción al Análisis Estadístico. Addison-Wesley Iberoamerica, 1987.

(4) Cabriá, 1994, en Didáctica de la Estadística, Batanero, P. 2001.(5) Canavos, G. Probabilidad y Estadística. McGraw Hill, 1988.


Estas claves nos guiarán a través de las próximas páginas, en las que profun-dizaremos en temas tales como la obtención de datos y los métodos estadísti-cos que permiten la interpretación de los datos recopilados, haciendo hinca-pié en el hecho de que habitualmente nos enfrentamos a situaciones en lasque debemos tomar decisiones, tanto en el ámbito laboral o profesional co-mo en la vida cotidiana, y contamos sólo con información parcial, lo que noscoloca en un escenario de incertidumbre.

Recopilación de datosSi bien la recopilación de datos es un tema que merece un párrafo aparte –sobreel que haremos algunas consideraciones en el Capítulo 6–, podemos anticiparque éstos pueden ser generados por el propio interesado, o bien haber sido reco-pilados por un tercero, ya sea un individuo o una organización. En el primer ca-so, la fuente de datos se denomina primaria, y en el segundo caso, secundaria.En ambas situaciones, los datos pueden ser generados básicamente de tresmaneras (Figura 1):

1. A través de la realización de un censo.2. Tomando una muestra.3. Diseñando un experimento.

Contar con datos censales implica que el interesado logró observar o medirtodas las unidades o sujetos de interes existentes. Sin embargo, en muchas si-tuaciones prácticas, no es posible acceder a todas las unidades existentes, porser una tarea costosa, ardua y en ocasiones hasta imposible, o bien porque lamedición destruiría a la unidad o sujeto en estudio.¿Imagina por ejemplo un censo sobre los insectos de cierta especie? En tal ca-so será más conveniente –cuando no, el único camino– obtener los datos através de la medición u observación de una porción de las unidades existen-tes, es decir, tomando una muestra. El tamaño de la población a estudiar juega un papel crucial al momento dedecidir de qué manera se han de recopilar datos: si la población es infinita ofinita pero de gran tamaño, la muestra será la manera más razonable y eficien-te de recopilar datos. O, ¿cómo controlaría la calidad de los envases de vidriosalidos de la producción de una pequeña fábrica? Si se trata del aspecto esté-tico, podría contar las burbujas de cada envase para clasificar cada pieza pro-

¿Qué es la Estadística?

Intr

oduc

ción

a la

est

adís

tica

1

15


ducida. Si, en cambio, deseara estudiar la resistencia de la materia prima, ¿in-tentaría usted romper cada pieza fabricada? Ya sea por ahorro de tiempo obien por pruebas destructivas una muestra de piezas para control de calidades la forma de recopilación más razonable en muchos casos.En otros casos es necesario que el investigador genere sus propios datos inter-viniendo directamente, por lo que será preciso que diseñe un experimento ala medida de sus necesidades.

Figura 1. ¿Cómo reunir datos?

Antes de seguir adelante, le sugerimos que realice la Actividad 1 que encontraráal final del capítulo, con la que podrá aplicar los conceptos hasta aquí expuestos.

Estudios y métodos estadísticosYa sea que los datos se hayan generado a partir de un censo o una muestra,podemos realizar estudios observacionales, midiendo u observando las uni-dades o sujetos y registrando las características de interés.Los estudios observacionales pueden ser retrospectivos o prospectivos, según eva-lúen situaciones pasadas en busca de una explicación en acontecimientos actua-


16


les, o bien realicen un seguimiento en el futuro de los efectos de alguna circuns-tancia observada en el presente o en el pasado. Un ejemplo de estudio retrospec-tivo es la recopilación de información sobre la capacitación y estilo de liderazgode ejecutivos que, actualmente, se reconocen como exitosos. Un ejemplo de es-tudio prospectivo es el registro sistemático de información sobre la capacitacióny estilo de liderazgo de actuales profesionales novatos con el fin de establecer elgrado de éxito profesional que alcanzan en el momento de su retiro.Si, en cambio, el investigador diseña un experimento a medida, que consisteen aplicar uno o más tratamientos a las unidades o sujetos, y observa la res-puesta, se encaminará hacia un tipo de estudio experimental.

Por otra parte, el objetivo perseguido por el analista puede dar lugar a otra ti-pología de estudios estadísticos. Ellos son los estudios exploratorios y losconfirmatorios (Figura 2). Los primeros se aplican cuando se desea buscar unmodelo que explique o describa convenientemente el comportamiento de al-guna variable, la relación entre variables o grupos de sujetos, etc. En cambio,los estudios confirmatorios se orientan a la verificación de la compatibilidadde un conjunto de datos con respecto a un modelo supuesto previamente.

Figura 2. ¿Qué variedad de estudios estadísticos hay?

¿Qué es la Estadística?

Intr

oduc

ción

a la

est

adís

tica

1

17


Para llevar adelante alguno de los estudios mencionados, la Estadística nosprovee de una variedad de métodos que podríamos clasificar en univariadosy multivariados, dependiendo de la cantidad de variables que se analizan si-multáneamente (Figura 3).Si nos ocupa el análisis de uno o varios conjuntos de datos de la misma variable,contamos con métodos gráficos y numéricos que reúne la rama de la Estadísticaque se conoce como estadística descriptiva (que trataremos en el Capítulo 2),o bien aquella rama conocida como estadística inferencial, que facilita la tomade decisiones bajo condiciones de incertidumbre a través de las pruebas de hipó-tesis y las estimaciones (esta última será desarrollada en el Capítulo 6).Si nos ocupa el análisis de dos conjuntos de variables denominadas explicati-vas y explicadas, nos serán de utilidad los métodos de regresión (alguno de loscuales se podrá consultar en el Capítulo 3); mientras que los métodos facto-riales nos permiten analizar un único conjunto de variables explicativas comoel análisis de clusters, de componentes principales y análisis discriminante,entre otros (técnicas que están fuera del alcance de este texto).

Figura 3. ¿Qué métodos de análisis de datos ofrece la Estadística?

La Actividad 2 propuesta al final del capítulo está diseñada para que apliquelos temas tratados en este parágrafo.

ALGUNAS DEFINICIONES

En las páginas previas hemos utilizado algunos vocablos que, si bien pue-den resultar familiares, es conveniente definir con una mayor precisión.


18


Con este objetivo, repasemos los procedimientos básicos de recopilación dedatos. Mencionamos oportunamente que tales procedimientos eran tres: loscensos, las muestras y los experimentos. Una pregunta básica que hemos dehacernos antes de decidir entre ellos es ¿cuál es la población de interés? Unade las acepciones de la palabra población se refiere al conjunto de unida-des elementales con características comunes observables.Si, por ejemplo, nos proponemos conocer la frecuencia con que los clientesde un salón de belleza demandan algún servicio, razonamos que la poblaciónen estudio se compone de “todos los clientes actuales” del negocio, que qui-zá representen para nosotros el conjunto de sujetos que se atendieron en el sa-lón de belleza al menos dos veces en el último año. Por supuesto, una mues-tra es un subconjunto de unidades elementales tomadas de la población.

Por su parte, una unidad elemental es cada objeto o sujeto que observamos dela población. En nuestro ejemplo, una unidad elemental es cada individuo quese atendió en el salón de belleza dos veces o más en los últimos doce meses.Si a cada persona que requirió los servicios del salón de belleza se le comple-ta una ficha donde consta la fecha de cada visita, podremos fácilmente iden-tificar a aquellos que forman parte de la población. Concretamente observa-remos la cantidad de veces que cada cliente tomó algún servicio en el año: sies 1 o menos, lo descartaremos; si es 2 o más, será considerado con atencióna los fines del estudio, porque forma parte de la población bajo análisis.Aquella característica que se observa o se mide sobre las unidades elementa-les se denomina variable.Por supuesto, podríamos reunir datos sobre otras variables relacionadas conlos clientes del salón de belleza. Contando con un fichero actualizado, podría-mos recopilar información relevante como, por ejemplo, qué servicios tomócada cliente en cada visita o el gasto que efectuó.Observe que las variables del ejemplo son bastante diferentes entre sí; en rea-lidad son de distinto tipo y se miden en diferente escala.

El “tipo de servicio tomado por cada cliente” se clasifica como variable cua-litativa o categórica; no toma valores numéricos, sino que asume categoríascomo podrían ser “tratamiento capilar”, “tratamiento dermatológico”, “mani-cura”, etc. La variable de este ejemplo en particular está medida en escala no-minal, por cuanto cada unidad de la escala representa una categoría diferen-te y entre ellas no guardan una relación de magnitud. En otras palabras, pa-

Algunas definiciones

Intr

oduc

ción

a la

est

adís

tica

1

19


ra la variable “tipo de servicio tomado por cada cliente”, la categoría “trata-miento capilar“ no es más ni menos importante que la categoría “tratamien-to dermatológico”. Otros ejemplos de variables medidas en escala nominalson las distintas marcas de gaseosa o las nacionalidades.Si, en cambio, las categorías de una variable guardan un cierto orden de im-portancia, como “tratamiento sencillo”, “tratamiento vip”, tal variable estámedida en escala ordinal. En esta escala de medición es posible establecer re-laciones del tipo A>B, A=B o A<B, aunque no informa acerca de la magnitudde las diferencias entre categorías. No podríamos afirmar que el tratamientovip es el doble de importante que el sencillo, o bien que un alumno excelen-te es el triple de bueno que un alumno regular.Debemos saber que aquellas variables que se midan en escala nominal u ordi-nal no nos permitirán realizar cálculos matemáticos y que, a lo sumo, conta-remos con el número de individuos que se clasifican en una u otra categoría.Por otra parte, si consideramos la variable “cantidad de veces que cadacliente se atendió en el salón de belleza en el último año”, observamos quepuede asumir valores numéricos, aunque no cualquier valor. Se trata de unavariable cuantitativa, que a su vez se subclasifica como discreta para elejemplo. Se define como aquella variable que no puede ser particionada in-finitamente dentro de un intervalo. Si es nuestro interés analizar “el montopagado en cada visita al salón de belleza”, también clasificaremos la variablecomo cuantitativa; sin embargo, razonamos que dentro de un rango, en rea-lidad hay infinitos valores posibles, por lo tanto se trata de una variablecuantitativa continua. Este tipo de variables puede ser particionado infi-nitamente dentro de un intervalo.Las variables cuantitativas pueden estar medidas en escala de intervalos o en es-cala de razón. La escala de intervalos representa un nivel superior de medición conrespecto al de la escala ordinal. Además de permitir relaciones del tipo A>B, A=B, oA<B, es posible comparar intervalos de valores debido a que a lo largo de toda laescala, dos valores adyacentes representan siempre la misma diferencia de magni-tud, por lo que es posible realizar comparaciones del tipo A-B=C-D, A-B < C-D, oA-B > C-D. Una particularidad de esta escala es que el valor cero es arbitrario. Unejemplo de aplicación de esta escala lo representan los horarios de llegada de losempleados de una compañía. Entre las 8 y las 9 am existe la misma diferencia queentre las 4 y las 5 pm, pero no puede afirmarse que quien llegó a las 8 pm hayaarribado el doble de tarde que el que ingresó a las 8 am. Incluso la hora cero no in-dica especialmente nada, como “ausencia del empleado”.


20


El nivel más alto de medición es la escala de razón. Además de tener las propie-dades de las otras escalas, tiene un cero absoluto, por lo tanto es posible calcu-lar proporciones entre los valores de la escala. Así puede establecerse que, porejemplo, un individuo de 40 años tiene el doble de edad de uno de 20 años,que entre 20 y 21 años existe la misma diferencia etaria que entre 40 y 41 años,y también que un sujeto de 40 años es mayor que uno de 20. De manera quesobre esta escala es posible realizar todas las operaciones matemáticas asociadasa los números (suma, resta, multiplicación y división). Relaciones similares po-drían realizarse sobre variables como la remuneración, la estatura o el precio decierto artículo, que siendo variables cuantitativas, en ocasiones y por cues-tiones prácticas, pueden “discretizarse” y hasta “categorizarse” modifcandosu escala de medición original. La correcta clasificación de las variables en es-tudio, así como la definición de la escala de medición, orientará al investigadorsobre las técnicas estadísticas más adecuadas para analizarlas.En páginas anteriores anticipamos que la palabra población tiene dos acep-ciones. Mencionamos una de ellas para la que “población” representa el con-junto completo de objetos o sujetos bajo análisis. La otra acepción del voca-blo se relaciona con el conjunto completo de valores que toma una variableen un universo. Tal conjunto puede ser descrito y resumido con una serie demedidas descriptivas denominadas parámetros, mientras que a las medidasdescriptivas de datos muestrales se las llama estimadores o estadígrafos.

Le proponemos realizar la Actividad 3, con la que usted podrá poner en prác-tica los conceptos del presente capítulo.

Inicio de una investigaciónEl éxito de una investigación radica en buena parte en el cuidadoso diseño pre-vio al trabajo de campo orientado a la obtención de datos. Para ello el investiga-dor debe tener respuestas claras a cuestiones trascendentes como las que siguen:

¿Cuál o cuáles son los objetivos de la investigación?¿Resolver un problema? ¿Se tienen soluciones provisorias?¿Tomar decisiones? ¿Cuáles son los caminos de acción posibles?¿Incrementar el conocimiento sobre algún tema de interés?¿Adhiere el investigador a alguna teoría conocida?¿Hay un objetivo general y uno o más objetivos específicos?

Algunas definiciones

Intr

oduc

ción

a la

est

adís

tica

1

21


¿Qué tipo de estudio se llevará a cabo?¿Cuál es la población de interés?¿O bien se trata de comparar dos o más poblaciones?¿Cuáles son las unidades elementales?¿La población es infinita o finita? ¿Es accesible?

¿Qué variables pueden proveer la información para satisfacer el objetivo?¿Qué instrumento de medición es más adecuado para medir las variables?¿En qué escala serán medidas?

¿Cómo se recopilará la información?¿Hay información disponible, accesible y actualizada, o bien se la debe reco-ger o generar?¿La accesibilidad y los recursos disponibles son suficientes para hacer un censo?¿Qué método de selección de muestras es más apropiado?¿De qué tamaño será la muestra?¿Qué diseño de experimento se adecua más a los recursos disponibles?

¿Qué herramientas estadísticas son aplicables al caso?¿Se estudia una o más variables? ¿Cómo se clasifican?¿Se estudia una o más poblaciones?

Habrá notado el lector que al iniciar una investigación en cualquier campo–científico, comercial, académico, etc.– resulta imprescindible contar con cier-tos conceptos elementales: como mínimo, los que presentamos en este capítulo.

Podríamos continuar la lista, pero apostamos a que, a medida que el lectoravance en la lectura, sea capaz de enriquecerla por sí mismo.


22

… RESUMEN

Seguramente usted tenga la habilidad de integrar los conceptos que abordamos en este

capítulo. Por nuestra parte le facilitamos un diagrama, que se encuentra en la página si-

guiente, que tiene el objetivo de resumir los puntos tratados de manera esquemática.


Intr

oduc

ción

a la

est

adís

tica

1

23


24

✔

1 Para las siguientes propuestas, decida de qué manera recopilaría los datos y a qué ti-

po de fuente recurriría:

a. Objetivo: estudiar la evolución de la cotización de las acciones de cierta fábrica au-

tomotriz en el último año.

b. Objetivo: conocer la frecuencia de compra de los clientes de su propio negocio.

c. Objetivo: analizar los efectos de un nuevo analgésico.

2 Para las siguientes propuestas, decida qué tipo de estudio estadístico efectuaría y qué

método/s podría aplicar para el análisis de datos:

a. Usted es un comerciante y desea estudiar el comportamiento de las ventas en su

negocio en función de su inversión en publicidad y la cotización del dólar.

b. En una investigación sobre tabaquismo se desea analizar los efectos a largo plazo

de tal hábito sobre el sistema respiratorio.

c. Un fabricante de ropa deportiva desea conocer el perfil de sus clientes.

3 Lea las siguientes variables e intente identificar la población en estudio, las unidades

elementales, su unidad de medida y su escala de medición:

a. Lugar de origen de los pasajeros de cierta empresa de aviación arribados en el úl-

timo vuelo al aeropuerto internacional de Barajas.

b. Número de canciones de un CD.

c. Temperatura máxima diaria en Caracas durante el último mes.

ACTIVIDADES


29Muestreo

6. MuestreoLa forma en que se realiza la selección puede hacer la dife-rencia. Es más fácil obtener muestras malas que buenas.

No todo es tan simple como tomar sopa.

En la Sección 5.3 consideramos un estudio, realizado por un profesor universitario en-tre sus alumnos, para evaluar si los jóvenes que practican deportes consumen menos alcohol. Este es un ejemplo de participación voluntaria en un estudio, la muestra no es representativa de la población de interés.

Recordemos un ejemplo de la Sección 3.1. Interesaba conocer las opiniones respecto a si el correo electrónico debe responderse lo más rápido posible o no. Si la encuesta fue realizada vía el correo electrónico, las opiniones representan únicamente a los que tienen correo electrónico y les interesó responder la encuesta.

Es bueno que la muestra se seleccione en forma aleatoria; esto significa que:

Cada uno de los individuos de la población tiene la misma oportunidad de ser seleccionado.

El muestreo aleatorio (el proceso por el cual se obtiene una muestra aleatoria) comienza con una lista de unidades muestrales de la que se extraerá la muestra. Esta lista se llama marco muestral. Idealmente, el marco muestral debería contener la lista de la totalidad de las unidades muestrales.

El muestreo aleatorio simple tiene dos propiedades que lo convierten en el procedi-miento por excelencia de obtención de muestras.

La próxima vez que se encuentre con un resultado de un estudio, averigüe qué com-posición tenía la muestra y pregúntese si la muestra representa a la población que inte-resa o a un subgrupo más restringido.

Se utiliza algún mecanismo probabilístico para elegirlos. • La gente no se selecciona a sí misma para participar.• Nadie en la población es favorecido en el proceso de selección. •

Muestra aleatoria simple: Una muestra aleatoria simple es la que se obtiene a partir de un mecanis-mo que le da a cada una de las unidades muestrales la misma probabilidad de ser elegida.

6.1 Muestreo aleatorio simple

30 Estadística para todos

Se espera que el muestreo aleatorio provea muestras representativas de la población.

Mediante un censo se intenta registrar todas las unidades muestrales de la población para proveer el marco muestral. Si se trata de un censo de población, deberán localizarse todas las personas. Si se trata de un censo económico, se registrarán todos los locales comerciales y productivos. Una vez que se dispone del marco muestral se abre la oportunidad de seleccionar la muestra.

Por otra parte, es necesario aclarar que una unidad muestral puede con-tener muchos individuos. Una escuela, con sus alumnos, puede ser una unidad muestral. El objetivo del estudio pueden ser las escuelas (por ej. interesa conocer la superficie cubierta por alumno) o ser los alumnos (por ej. interesa conocer el rendimiento en educación física).

¿Cómo? ¿Una unidad muestral puede estar constituida por muchos individuos?

Volvamos al ejemplo de la encuesta sobre la preferencia del candidato a presidente del Club Grande de Fútbol. Utilicemos la lista actualizada de todos los socios como marco muestral con los números de socio para identificarlos. Si se decide que 1 de cada 6 socios entrarán en la muestra podemos arrojar un dado tantas veces como socios tenemos en la lista y si sale 1 el socio es seleccionado.

Todas las unidades tienen la misma oportunidad de ser elegidas (es insesgado).• La elección de una unidad no influye sobre la elección de otra (independencia).•

El Instituto Nacional de Estadísticas y Censos - INDEC - realiza periódicamen-te censos para registrar las característi-cas básicas sobre población y vivienda, actividad económica y agropecuaria de nuestro país. Las unidades relevadas en los censos proveen el marco muestral para las encuestas que realiza durante los períodos intercensales.

¡Mm! ¡Ajá!

31Muestreo

Con este procedimiento, seleccionamos los socios no: 1.501, 1.505, 1.511 y 1.517 mediante un muestreo aleatorio simple.

También podríamos utilizar un programa de computadora para generar números entre 1 y 6 en forma aleatoria, sin necesidad de arrojar un dado.

En la práctica, el primer paso del procedimiento es el más difícil. Esta dificultad da lugar a muestreos alternativos que no son válidos desde el punto de vista del análisis estadístico. Veremos algunos en la próxima sección.

Todos los días encontramos ejemplos de muestras malas:

Socio Número

Número aleatorio

Socio Número

Número aleatorio

Socio Número

Número aleatorio

Socio Número

Número aleatorio

1495 4 1.501 1 1.507 4 1.513 41496 8 1.502 6 1.508 4 1.514 71497 8 1.503 3 1.509 3 1.515 8

1498 7 1.504 7 1.510 8 1.516 8

1499 9 1.505 1 1.511 1 1.517 11500 5 1.506 7 1.512 7 1.518 3

Muestra aleatoria simple en dos pasos : Paso 1. Se asigna una etiqueta numérica a cada individuo de la población.Paso 2: Se utilizan números aleatorios para seleccionar las etiquetas al azar.

Cuando se pide a los oyentes de un programa de radio que vo-• ten por tal o cual cantante, llamando por teléfono o enviando un mensaje de correo electrónico, se trata de muestras de respuesta voluntaria. Las encuestas de opinión en las que se llama, o se es-cribe, por propia iniciativa son ejemplos de muestras de respuesta voluntaria, poco satisfactorias desde un punto de vista estadístico.

Otro tipo de muestra mala es la • muestra de conveniencia. Si una pedagoga elige a sus pro-pios alumnos, del último año de la escuela secundaria en la que trabaja, para evaluar un cam-bio en el método de enseñanza, los resultados no se podrán extender más allá de ese grupo.

Cada vez que mire los resultados de un estudio, busque la frase “muestra alea-toria”. Si la encuentra, hile más fino para averiguar cómo fue obtenida y si en reali-dad fue elegida en forma aleatoria.

6.2 Muestras malas

TABLA 6.1


Cuando alguna etapa del proceso de recolección de datos está sesgada, utilizar una muestra gran-de no corrige el error, simplemente lo repite.

Alguna vez escuchamos el sesgo es malo. Pero, ¿qué es el sesgo? Es un favoritismo de alguna etapa del proceso de recolección de datos beneficiando algunos resultados, per-judicando otros y desviando las conclusiones en direcciones equivocadas.

Los datos en un estudio pueden estar sesgados por muchos motivos. A continuación, veremos algunos de ellos.

6.3.1.1 Muestras por conveniencia

Exprimir las naranjas que se encuentran a la vista, en la parte de arriba del cajón, es un ejemplo de muestra de conveniencia. Las entrevistas en los centros comerciales (shopping) son otro ejemplo, porque los fabricantes y las agencias de publicidad suelen recolectar in-formación respecto a los hábitos de compras de la población y el efecto de sus publicidades en grandes centros de compras. Obtener una muestra de esta manera es rápido y económi-co, pero la gente que contactan no es representativa de la mayoría de la población.

6.3.1.2 Muestras con sesgo personal

Por simpatía, gusto o interés, quien está realizando la encuesta puede preferir encuestar a cierto tipo de personas y no a otras. Por ejemplo, es posible que un encuestador joven tienda a buscar chicas bonitas para preguntarles.

6.3.1.3 Muestras de respuesta voluntaria

Surgen a partir de los individuos que se ofrecen voluntariamente a participar. Se trata, por ejemplo, de las que alimentan las votaciones organizadas por programas de radio, televisión o de algún sitio de Internet. No producen resultados que tengan algún signi-ficado en relación a la opinión de la población en general. Los participantes voluntarios, que por algún motivo decidieron participar, suelen tener opiniones más polarizadas.

6.3 Sesgo

6.3.1 Sesgo por elección de la muestra

33Muestreo

6.3.2 Sesgo de respuesta


6.3.2.1 Debido a la presentación de las preguntas

Las diferentes palabras con las que se puede presentar una misma pregunta suele ser una fuente importante de sesgo en las respuestas.

En un curso de manejo organizado por un automóvil club se proyectó una película sobre un accidente de tránsito a dos grupos de alumnos. Ambos grupos eran similares respecto de la edad y el género. Al finalizar la proyección se preguntó:

Ambos grupos vieron la misma película. El uso de la palabra colisionaron aumentó las estimaciones de la velocidad del accidente en 15 km/h, esto es un aumento del 29,5 %

El sesgo debido a la forma en que se presenta una pregunta puede ser intencional o no intencional.

Las preguntas “¿No está usted harto de pagar impuestos para que todo siga igual de mal?” y “¿Le parece importante que se paguen impuestos para mejorar la educación, los servicios de salud y la seguridad?”, que apuntan al pago de impuestos, seguramente ten-drán resultados muy diferentes. Ambas preguntas conllevan un sesgo intencional.

Una encuesta dirigida a alumnos de 7mo. grado que pregunte: “¿Cuáles son las 5 perso-nas grandes que le gustarían conocer personalmente?” tendrá diferentes lecturas. Algu-nos de los alumnos podrán interpretar que se trata de personas mayores de edad, otros que son altos, otros que se refiere a gordos o tal vez a grandes estrellas de cine, de rock, políticos o deportistas, generando un sesgo no intencional.

Al primer grupo: ¿a qué velocidad piensa que los dos autos chocaron? El promedio de las • respuestas fue de 50,9 km/h.Al segundo grupo: ¿a qué velocidad piensa que los dos autos se colisionaron? El promedio • de las respuestas fue de 65,9 km/h.

6.3.2.2 Para tratar de agradar

A la gente no le gusta mostrarse con ideas que no están bien vistas socialmente. Por ejem-plo, cuando esté cara a cara con un encuestador o llenando un formulario no anónimo, un varón evitará una respuesta que parezca machista, o una mujer responderá tratando de ocultar algún prejuicio.

6.3.2.3 Por recuerdo

Si la pregunta está referida a un acontecimiento ocurrido algún tiempo atrás, la respuesta ten-drá un sesgo por recuerdo. Por ejemplo, si se le pregunta a una madre a qué edad comenzaron a caminar sus hijos, la veracidad y precisión de la respuesta dependerá de las características personales de la madre.

35Muestreo

6.3.2.4 Por no respuesta

Algunas veces las personas que han sido seleccionadas para una encuesta son muy difíciles de localizar o simplemente se niegan a responder. Los individuos que no responden pueden ser muy diferentes de los que sí lo hacen. Este tipo de sesgo se puede reducir sustituyendo a los se niegan a responder por otros individuos con las mismas características de los que no responden, pero suele ser difícil.

Veamos un ejemplo de la utilidad de este método. Si nos interesa la opinión de las alum-nas de una escuela respecto del aumento de las horas destinadas a la práctica de deportes, podríamos entrevistar a las alumnas a la salida y elegir una de cada diez (suponiendo que salgan de a una) hasta que hayan salido todas. De esta manera, si la escuela tiene 227 alumnas, la muestra tendrá 22 alumnas.

Este tipo de muestreo permite evitar el sesgo personal y es más sencillo que el muestreo aleatorio. Es útil cuando la población está ordenada naturalmente (si no lo está, para utilizar este tipo de muestreo es necesario ordenarla, pero al ordenarla, se pierden las ventajas que tiene).

Por su simplicidad, se suele utilizar para control de calidad durante, o al finalizar, la fabricación de diversos productos.

En una producción continua de tubos de pasta dentífrica, se elige un tubo por hora y se lo analiza para verificar que cumple con las especificaciones.

6.3.2.5 Por subcubrimiento

Una encuesta telefónica ignora a todos los sujetos que no tienen teléfono. Una encuesta que realiza las entrevistas en hogares ignora a los que viven en la calle.

6.4 Otros tipos de muestreos

6.4.1 Muestreo sistemático

Cuando mire los resultados de una encuesta que le interesa especialmente, antes de sacar sus pro-pias conclusiones averigüe qué se preguntó, cómo fueron redactadas las preguntas, si las respuestas fueron dadas en forma anónima o no y cuántos se negaron a responder.

Es más fácil obtener muestras malas que buenas.

Muestreo sistemático: El muestreo comienza con una unidad elegida al azar y a partir de allí con-tinúa cada k unidades. Si n es el tamaño muestral y N es el tamaño de la población entonces k es aproximadamente N/n.


Podría ocurrir que cada hora (una hora es el período de la selección) se produzca una leve caída de tensión que hace que los tubos de pasta dentífrica se llenen más o menos. No detectaríamos esa variación con el muestreo cada hora.

Al realizar un muestreo sistemático es importante estar alerta para identificar los factores que puedan estar invalidando los resultados.

Los estratos se eligen de acuerdo con los valores conocidos de algunas variables, de manera que haya poca variabilidad dentro del estrato (los valores de dichas variables para las unidades de un estrato particular difieren poco), pero que haya mucha variabilidad entre estratos (los valores de dichas variables para las unidades de distintos estratos difieren mucho).

Ejemplo 1:

La población de una ciudad podría estratificarse por

Así obtenemos 8 estratos, dentro de los cuales los individuos tienen 2 características similares: grupo de edad y género. Podríamos realizar un muestreo proporcional a la cantidad de individuos que tiene cada estrato, de manera que el tamaño de la muestra dentro de cada estrato dependa de la proporción de la población total que dicho estrato representa.

Ejemplo 2:

En una encuesta diseñada para conocer la situación de la industria en una provincia podrían utilizarse estratos por tamaño y actividad. Para cada actividad industrial podrían incluirse to-dos los locales industriales con 500 ó más obreros ocupados (inclusión forzosa - la muestra los contiene a todos), la mitad de los que tuvieran entre 499 y 200, la cuarta parte entre 199 a 50 y 1 de cada 20 para los de menos de 50. Tendríamos así 4 estratos:

En un muestreo estratificado la población se divide en grupos homogéneos llamados estratos. Luego se realiza un muestreo aleatorio simple de unidades muestrales dentro de cada estrato.

Advertencia: Este muestreo no es adecuado cuando el período de la selección está relacionado con alguna característica que nos interesa evaluar.

6.4.2 Muestreo aleatorio estratificado

grupo de edad:• menos de 6 años, entre 6 y 12 años, entre 13 y 18 años y mayores de 18 años.género:• femenino, masculino.

37Muestreo

Si además se dividiera la actividad industrial en dos: 1) industria alimenticia, 2) indus-tria no alimenticia, ¿cuántos estratos tendría la muestra? Tendría 8 estratos, dos por cada uno de los 4 estratos anteriores.

Tres pasos de un muestreo aleatorio estratificado:

La idea del agrupamiento para un muestreo aleatorio por conglomerados (también lla-mados aglomerados) es opuesta a la del muestreo estratificado. Interesa que los individuos que componen cada grupo sean lo más heterogéneos posibles y se espera que cada con-glomerado sea representativo de la población. Los conglomerados son las unidades del muestreo, pero las unidades de interés son los individuos dentro de los conglomerados. Se selecciona una muestra aleatoria de conglomerados, y se observan todos los individuos dentro de cada conglomerado ó se selecciona una muestra aleatoria simple dentro del conglomerado. Este tipo de muestreo puede tener mejor rendimiento costo-efectividad que un muestreo aleatorio simple, en especial si los costos de traslado son altos. Ejemplo 1:

Una encuesta de viviendas. Se divide la ciudad en manzanas, se seleccionan las manzanas me-diante un muestreo aleatorio simple y se visitan todas las casas de cada manzana seleccionada.

En un muestro por conglomerados la población se divide en grupos heterogéneos llamados con-glomerados. Luego se realiza un muestreo aleatorio simple en el que las unidades muestrales son los conglomerados.

Estrato 1: Locales con 500 ó más obreros• Estrato 2: Locales con 499-200 obreros• Estrato 3: Locales con 199-50 obreros• Estrato 4: Locales con 50-0 obreros•

Paso 1:• las unidades se agrupan en estratos. Los estratos se eligen teniendo en cuen-ta que estos grupos tienen un interés especial dentro de la población, o porque los individuos en el estrato se parecen mucho.Paso 2:• se establece la proporción de unidades, o fracción de muestreo, que se incluirá para cada estrato Paso 3:• dentro de cada estrato se realiza un muestreo aleatorio simple y la propor-ción de individuos que se incluye en la muestra es la establecida en el paso 2. La unión de las muestras de cada estrato constituye la muestra completa.

6.4.3 Muestreo por conglomerados


Un muestreo multietápico tiene dos o más pasos y, en cada uno de ellos se aplica cualquie-ra de los procedimientos de selección anteriores.

Ejemplo 1:

Una encuesta de viviendas. En la primera etapa se divide la ciudad en barrios, se toma una muestra aleatoria simple de barrios. En la segunda etapa, cada barrio seleccionado en la primera etapa se divide en manzanas, se seleccionan las manzanas mediante un muestreo aleatorio simple, y se visitan todas las casas de cada manzana seleccionada.

Ejemplo 2:

Estudio para evaluar la capacidad de lectoescritura de alumnos de 7mo. grado. En la pri-mera etapa se seleccionan al azar las escuelas, y en la segunda etapa se selecciona dentro de cada escuela un cierto número de cursos de 7mo. grado. La prueba se realiza en todos los alumnos de 7mo. grado de los cursos seleccionados en la segunda etapa.

Paso 1: • Los individuos se agrupan en conglomerados. Los conglomerados general-mente tienen una proximidad física, pero dentro de cada conglomerado las unida-des son heterogéneas.Paso 2: • Los conglomerados son las unidades muestrales. Se establece la proporción de unidades que se incluirá.Paso 3: • Se realiza un muestreo aleatorio simple de conglomerados y se estudian todos los individuos de cada conglomerado seleccionado. El tamaño final de la muestra es la cantidad de individuos que componen todos los conglomerados seleccionados.

Ejemplo 2:

En un estudio interesa evaluar la capacidad de lectoescritura de alumnos de 7mo grado. Se seleccionarán al azar las escuelas y luego se realizará la prueba en todos los alumnos de 7mo. grado de las escuelas seleccionadas.

Tres pasos de un muestreo aleatorio por conglomerados:

6.4.4 Muestreo multietápico

39Muestreo

6.5 Actividades y ejercicios

¿Cuál es la Población? ¿Cuál es la muestra? 1. Para cada uno de los siguientes estudios indicar la población lo más detalladamente posible, es decir describir a los individuos que la componen. Si la información es insuficiente, com-pletarla de la forma que se considere más adecuada. También indicar cuál es la muestra.

Voto secreto y obligatorio. 2.

Se quiere realizar una encuesta entre los alumnos de una escuela secundaria, de 2.500 3. alumnos (500 alumnos por cada año, de 1ro. a 5to.), utilizando una muestra de tamaño 100. El propósito de la encuesta es determinar si a los/as alumno/as les interesa discutir el siguiente tema: “Debe reducirse la edad de imputabilidad penal para los menores de edad, que establece la ley nacional 22.278, a dieciséis años de edad; como respuesta al incremento en la cantidad de delitos graves cometidos por jóvenes y adolescentes”.

Indicar cuál es el tipo de muestreo realizado en cada caso.4.

Una encuesta de opinión contacta a 1.243 adultos y les pregunta, ¿ha comprado • un billete de lotería en los últimos 12 meses?Durante la reunión anual del colegio de abogados, todos los presentes (2.500), • llenaron una encuesta referida al tipo de seguro que prefería para su automóvil.En 1968 se realizó en Holanda un test de inteligencia a todos los varones de 18 años que • estaban realizando el Servicio Militar Obligatorio.El INDEC lleva a cabo la Encuesta Permanente de Hogares (EPH) en la que se • encuestan 25.000 hogares para captar información sobre la realidad económico-social de la República Argentina.

¿Qué tipos de sesgos se pueden producir cuando una elección para presidente se • realiza en forma voluntaria?¿Qué tipos de sesgos se pueden producir si el voto en la Comisión Directiva de un • club o en la Cámara de Diputados no es secreto?

Cada alumno escribe su nombre en un papel, lo pone en una bolsa y el director • elige 100 papeles.A cada alumno se le asigna un número entre 1 y 2.500 y se seleccionan generando • 100 números al azar de cuatro dígitos utilizando algún programa de computación.Para cada año se asigna a cada alumno un número entre 1 y 500, y se elige 1 de • cada 25 alumnos.Se eligen al azar una división de cada uno de los años y se seleccionan 20 alumnos • de cada división.Se eligen al azar 60 alumnos de los primeros 3 años y 40 alumnos de los últimos dos años•


En un programa de radio se invitó a las/los oyentes a contestar la siguiente pregun-5. ta: “¿Si pudiera volver el tiempo atrás volvería a tener hijos?” De más de 10.000 respuestas el 70% dijo no. ¿Qué muestra esto? Elegir, entre las cinco siguientes, la respuesta que mejor responde a esta última pregunta.

Indicar cuál o cuáles de las siguientes afirmaciones son válidas. 6.

Se eligen al azar 60 alumnos de los primeros 3 años y 40 alumnos de los últimos • dos años. Se seleccionan en forma separada los varones y las mujeres de acuerdo con la proporción de mujeres y varones que tiene la escuela.

a. La encuesta no dice nada porque arrastra el sesgo por respuesta voluntaria.b. No se puede decir nada sin saber las características de los oyentes.c. Para sacar una conclusión, es necesario separar las respuestas entre hombres y mujeres.d. Hubiese tenido más sentido tomar una muestra aleatoria de las 10.000 respuestas

para sacar conclusiones.e. Es una muestra legítima elegida al azar entre todos los que escuchan ese programa

y tiene un tamaño suficiente como para concluir que la mayoría de los oyentes lo pensarían dos veces antes de tener más hijos.

a. Las respuestas que se obtienen al utilizar un cuestionario expresado en términos no neutrales tendrán “sesgo por respuestas”.

b. Las encuestas de respuesta voluntaria subestiman a la gente con opiniones muy firmes.c. Las encuestas de respuesta voluntaria generalmente sobre representan las respues-

tas negativas. d. En general, es posible reducir el sesgo tomando muestras muy grandes, cuanto más

grande es el tamaño de la muestra mejor.e. El tamaño de la muestra no tiene nada que ver con el sesgo.f. Los resultados que se obtienen de un censo son siempre más precisos que los que se obtie-

nen de una muestra, sin que importe cuán cuidadoso haya sido el diseño y su aplicación.

Instituto Profesorado Concordia

Profesorado de Matemática

Probabilidad y Estadística II

Práctico 3 – Tipos de muestreo

1.- En la página 14 del material de Diez S. (2005), la autora propone diferentes concepciones para

definir “Estadística” (que se diferencian en acentuar determinado aspecto). Se pide argumentar a

favor de alguna de ellas e ilustrar con algún posible ejemplo.

2.- Recopilación de datos

Hacer una breve referencia acerca de las formas de recopilar datos para un estudio estadístico

según el tipo de fuente y según la forma de la recolección.

3.- Estudios estadísticos

En su carrera elegida: ¿consideraría más usuales los estudios estadísticos observacionales o

estudios experimentales? Justificar.

Dar un ejemplo de un estudio observacional y clasificarlo como prospectivo o retrospectivo.

Dar un ejemplo de un estudio experimental exploratorio.

4.- Hacer un cuadro resumen respecto a los tipos de muestreos probabilísticos y no

probabilísticos. A continuación hacer una breve síntesis de cada uno de ellos.

5.- Tipos de muestreo no probabilísticos

Proponer algún ejemplo para el cual considere, justificando con algún argumento (aun

siendo un argumento ficticio), que debe hacer un muestreo no probabilístico. Indicar cuál de ellos

según la bibliografía propuesta y comentar cómo tomaría la muestra en dicho contexto.

Caracterizarlo como un estudio observacional (retrospectivo o prospectivo) o como un

experimento.

6.- Ídem punto anterior para un tipo de muestreo probabilístico.

Observaciones:

Todos los ejemplos pedidos deben tener estricta relación a la carrera en estudio.

La extensión máxima del trabajo incluyendo la carátula es de 5 páginas.

Práctico 4 – Distribución de estimadores (Primera parte) Suma de variables aleatorias normales – Distribución de la media muestral para poblaciones normales y/o

muestras grandes (TCL) 1.- Se sabe que en el examen de admisión a las universidades, a nivel nacional, la media poblacional de las puntuaciones que se obtienen es μ = 1020. Suponga que el desvío poblacional es σ= 100. a. ¿Cuál es la probabilidad de que en una muestra de 75 estudiantes la media muestral de las puntuaciones no difiera en más de 10 puntos de la media poblacional? b. ¿Cuál es la probabilidad de que en una muestra de 75 estudiantes la media muestral de las puntuaciones no difiera en más de 20 puntos de la media poblacional? 2.- Una compañía telefónica sabe por experiencia que la duración de una llamada de larga distancia sigue una distribución normal con media 4 minutos y desvío estándar de 45 segundos. a. ¿Qué tan probable es que la duración promedio de una muestra aleatoria de 25 llamadas de larga distancia supere los 4,25 minutos? (R: 0.0475) b. ¿Cuántas llamadas de larga distancia se necesitan muestrear para que la duración promedio de la muestra dé un valor inferior a 4,50 minutos el 99% de las veces? (R: n~12) 3.- Cuando se prepara un lote de cierto producto químico, la cantidad de una impureza en particular del mismo es una variable aleatoria con valor medio de 4.0 gramos y desviación estándar de 1.5 gramos. Si se preparan 50 lotes de manera independiente, ¿cuál es la probabilidad (aproximada) de que la cantidad promedio de la muestra de impureza esté entre 3.5 y 3.8 g? (R: 0.1645) 4.- El diámetro interior de un anillo de pistón seleccionado al azar es una variable aleatoria con valor medio de 12 cm y desviación estándar de 0.04 cm. Suponiendo que la distribución del diámetro es normal: a. Calcule la probabilidad de que la media esté entre 11.99 cm y 12.01 cm cuando la muestra es de tamaño 16. (R: 0.6826) b. ¿Cuál es la probabilidad de que el diámetro medio muestral exceda de 12.01 cuando n = 25? (R: 0.1056) 5.- Al recibir materia prima para utilizar en la producción, sabemos por experiencias anteriores que la resistencia a la tracción de cierto tipo de fibra plástica no puede suponerse que siga una distribución normal, pero tiene una resistencia media de 2 kg/mm2 y un desvío de 0.40 kg/mm2. El lote recibido consta de 500 unidades y se decide tomar una muestra de tamaño 64 para su inspección. ¿Cuál es la probabilidad de que la resistencia media de una unidad en la muestra se desvíe de la resistencia media poblacional en a lo sumo 0.12 kg/mm2? (R: 0.9898) 6.- En el depósito de stock de una empresa hay una estantería que tiene una resistencia de carga máxima de c kilos. Se usa para almacenar cierto producto que tiene un peso promedio de 10 kilos con un desvío de 1 kilo. No puede suponerse que el peso del producto se distribuya normalmente. ¿Cuál será el valor de c si se sabe que el peso total de una muestra de 49 unidades del producto excede c el 1% de las veces? (R: 505.98 kg) 7.- Un ascensor limita el peso de sus cuatro ocupantes a 300 kg. Si el peso de un individuo sigue una distribución normal con media 71 kg y desvío 7 kg, calcular la probabilidad de que el peso de 4 individuos supere los 300 kg. (R: 0.1265) 8.- El tiempo de atención por cliente de un cajero de un Banco es normal con media 6 minutos y desviación estándar 2.5 minutos. a. ¿Cuál es la probabilidad de que el tiempo promedio de atención para una muestra de 15 clientes sea menor de 7 minutos? (R: 0.9395) b. ¿Cuál es la probabilidad de que el tiempo de atención a un grupo de 15 clientes sea más de una hora y 15 minutos? (R: 0.9395) c) Si el tiempo en que el cajero atiende a un grupo de 15 clientes excede las dos horas, entonces éste es despedido. ¿Cuál es la probabilidad de que esto ocurra? (R: 0.001)

IPC – Sección Matemática PyE II

Práctico 5 – Distribución de estimadores (Segunda parte) Distribución Chi cuadrada – Distribución T

1.- Un fabricante de cigarrillos asegura que el contenido promedio de nicotina, en una de sus marcas, es de 0.6 mg por cigarrillo. Una organización independiente mide el contenido de nicotina de 16 cigarrillos al azar de esta marca y encuentra que el promedio y la desviación estándar es de 0.75 y 0.175 mg, respectivamente, de nicotina. Si se supone que la cantidad de nicotina en estos cigarrillos es una variable aleatoria normal, ¿qué tan probable es el resultado muestral dado al dato proporcionado por el fabricante? (Rta. 2.- Durante los 12 meses pasados el volumen diario de ventas de un restaurant de cierto menú4 fue de $2000. El gerente piensa que los próximos 25 días serán típicos con respecto al volumen de ventas normal. Al finalizar los 25 días, el volumen de ventas promedio y su desviación estándar fueron de $1800 y $200 respectivamente. Supóngase que el volumen de ventas diario es una variable aleatoria normal. Si usted fuese el gerente: ¿tendría alguna razón para creer, con base en este resultado, que hubo una disminución en el volumen de ventas promedio diario? 3.- La vida media de una máquina para elaborar pan es de 7 años, con una desviación estándar de 1 año. Suponga que la vida de estas máquinas sigue aproximadamente una distribución normal y calcule: a) la probabilidad de que la vida media de una muestra aleatoria de 9 de estas máquinas caiga entre 6.4 y 7.2 años b) el valor de a la derecha del cual caeria 15% de las medias calculadas de muestras aleatorias de tamaño 9. 4.- Un fabricante de baterías para automóvil garantiza que su producto durará, en promedio, 3 años con una desviación estándar de 1 año. Si cinco de estas baterías tienen duraciones de 1.9, 2.4, 3.0, 3.5 y 4.2 años, ¿el fabricante continuará convencido de que sus baterías tienen una desviación estándar de 1 año? Suponga que las duraciones de las baterías siguen una distribución normal. 5.- Un ingeniero químico afirma que el rendimiento medio de la población de un cierto proceso de lotes es 500 gramos por mililitro de materia prima. Para verificar dicha afirmación muestrea 25 lotes cada mes. Si el valor t calculado cae entre –t0.05 y t0.95 queda satisfecho con su afirmación. ¿Que conclusión debería sacar de una muestra que tiene una media de 518 gramos por mililitro y una desviación estándar muestral de 40 gramos? Suponga que la distribución de rendimientos es aproximadamente normal. 6.- Suponga que los tiempos requeridos por un cierto autobús para alcanzar uno de sus destinos en una ciudad grande se distribuyen normalmente con una desviación estándar σ = 1 minuto. Si se elige al azar una muestra de 17 tiempos, encuentre la probabilidad de que la varianza muestral sea mayor que 2. (R: 0.01) 7.- Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones, de una población normal con varianza σ = 6, tenga una varianza muestral: a) Mayor que 9.1 (R: 0.05) b) Entre 3.462 y 10.745 (R: 0.94) 8.- El propietario de una cadena de establecimientos donde se venden hamburguesas tiene interés en la variabilidad de la cantidad de carne vacuna que contienen sus hamburguesas. La experiencia demuestra que la cantidad de carne vacuna por hamburguesa se ajusta muy bien a una distribución normal con una varianza de 10 gramos. a) ¿Qué tan probable es obtener una varianza de por lo menos 20 gramos en una muestra aleatoria de 20 hamburguesas? (R: 0.005) b) Hallar un valor c tal que haya un 90% de probabilidad de que la varianza de una muestra de 20 hamburguesas sea inferior al valor de c. (R: c = 14.32 g)

IPC - Matematica - PyE II

Practico 6: Propiedades de estimadores: Insesgamiento yconsistencia

Ejercicio 1. Sea X ∼ Bin(n, p). Se proponen los siguientes estimadores T1 y T2 para el parametropoblacional p:

T1 =X

nT2 =

X + 1

n+ 2

Se pide verificar:

a) si son insesgados

b) si son consistentes

c) cual de los dos tiene menor variabilidad

Ejercicio 2. Sean X1, X2, X3yX4 una muestra aleatoria de tamano cuatro de una poblacion cuya distri-bucion es exponencial con parametro θ desconocido. De las siguientes estadısticas: ¿cuales son estimadoresinsesgados de θ? ¿cual de ellos tiene menor varianza?

T1 =1

6(X1 +X2) +

1

3(X3 +X4)

T2 =X1 + 2X2 + 3X3 + 4X4

5

T3 =X1 +X2 +X3 +X4

4

Ejercicio 3. Sea X1, X2, X3, X4, X5 una muestra aleatoria de una poblacion cuya distribucion es normalcon media µ y varianza σ2. Probar que los siguientes estimadores de µ son insesgados, ¿cual es el de menorvarianza?

T1 =1

5

5∑k=1

Xk, T2 =1

6

[2X1 +

5∑k=2

Xk

].

Ejercicio 4. Sean θ1 y θ2 estimadores insesgados independientes de un parametro θ con igual varianzaσ2, y sea el estimador λ = k1θ1 + k2θ2 siendo k1 y k2 constantes. Se pide encontrar los valores de dichasconstantes de manera tal que λ sea un estimador insesgados de θ y tenga la mınima varianza posible.

IPC – Sección Matemática PyE II

Práctico 7 – Test de hipótesis e Intervalos de confianza

1.- Se desarrolla una nueva cura para cierto tipo de cemento que tiene como resultado un coeficiente de compresión de 5000 kilogramos por centímetro cuadrado y una desviación estándar de 120. Para probar la hipótesis de que la media es 5000 contra la alternativa de que es menor a 5000, se prueba una muestra aleatoria de 50 piezas de cemento. La región crítica se define a la izquierda de 4970 para la media muestral. a) Encontrar la probabilidad de cometer un error tipo I cuando H0 es verdadera. b) Evaluar el error de tipo II para las alternativas para la media de 4970 y 4960. Calcular las potencias correspondientes y graficar la curva de potencia del test. 2.- Un fabricante de baterías para auto afirma que la duración de sus baterías se ditribuye de forma aproximadamente normal con una desviación estándar igual a 0.9 años. Si una muestra aleatoria de 10 de tales baterías tiene una desviación estándar de 1.2 años ¿se puede considerar que el desvío estándar poblacional es mayor a 0.9 años? Utilizar un nivel de significación de 0.05. 3.- Se comparan dos tipos de instrumentos para medir la cantidad de monóxido de azufre en la atmósfera en un experimento de contaminación del aire. Se desea determinar si los dos tipos de instrumentos dan mediciones que tengan la misma variabilidad. Se registran las siguientes lecturas para los dos instrumentos: Instrumento A: 0.86 0.82 0.75 0.61 0.89 0.64 0.81 0.68 0.65 Instrumento B: 0.87 0.74 0.63 0.55 0.76 0.7 0.69 0.57 0.53 Suponga que las poblaciones de mediciones se distribuyen de forma aproximadamente normal, pruebe la hipótesis de que las varianzas poblacionales son iguales contra la alternativa de que sean diferentes. 4.- Probar la hipótesis de que el contenido promedio de los envases de un lubricante particular es de 10 litros si los contenidos de una muestra aleatoria de 10 envases son 10.2 9.7 10.1 10.3 10.1 9.8 9.9 10.4 10.3 9.8. Utilizar un nivel de significación de 0.01. ¿Hay algún supuesto de trabajo para realizar esta prueba? 5.- Una medicina que se prescribe comúnmente para aliviar la tensión nerviosa se considera que es efectiva en 60%. Resultados experimentales con una nueva medicina que se administra a una muestra aleatoria de 100 adultos que padecen de tensión nerviosa muestran que 70 tuvieron alivio. ¿Es esto evidencia suficiente para concluir que la nueva medicina es superior a la que se prescribe actualmente? Utilizar un nivel de significación de 0.05 y calcular el p-value (valor p). 6.- Un fabricante de equipo deportivo desarrolla un nuevo sedal sintético que afirma tiene una resistencia media a la tensión de ocho kilogramos con una desviación estándar de 0.5 kilogramos. Pruebe la hipótesis que la media es 8 kg contra la alternativa que es distinta de 8, si se prueba una muestra aleatoria de 50 sedales y se encuentra que tiene una resistencia media a la tensión de 7.8. Utilizar un nivel de significación de 0.01. Calcular y decidir también sobre el valor p calculado. Calcular la potencia del test si el valor real de la media es 8.5, si es 9, si es 7 y si es 5. Representar la curva de potencia.

7.- Comparar, de ser posible, las soluciones obtenidas para los problemas dados con la metodología de los intervalos de confianza.

389

Capítulo 11

Regresión lineal simple y correlación

11.1 Introducción a la regresión lineal

En la práctica a menudo se requiere resolver problemas que implican conjuntos de varia-bles de las cuales se sabe que tienen alguna relación inherente entre sí. Por ejemplo, en una situación industrial quizá se sepa que el contenido de alquitrán en el flujo de salida de un proceso químico está relacionado con la temperatura en la entrada. Podría ser de interés desarrollar un método de pronóstico, es decir, un procedimiento que permita es-timar el contenido de alquitrán para varios niveles de temperatura de entrada a partir de información experimental. Desde luego, es muy probable que para muchos ejemplos concretos en los que la temperatura de entrada sea la misma, por ejemplo 130ºC, el con-tenido de alquitrán de salida no sea el mismo. Esto es muy similar a lo que ocurre cuando se estudian varios automóviles con un motor del mismo volumen; no todos tienen el mismo rendimiento de combustible. No todas las casas ubicadas en la misma zona del país, con la misma superficie de construcción, se venden al mismo precio. El conte-nido de alquitrán, el rendimiento del combustible (en millas por galón) y el precio de las casas (en miles de dólares) son variables dependientes naturales o respuestas en los tres escenarios. La temperatura en la entrada, el volumen del motor (pies cúbicos) y los me-tros cuadrados de superficie de construcción son, respectivamente, variables indepen-dientes naturales o regresores. Una forma razonable de relación entre la respuesta Y y el regresor x es la relación lineal,

Y = β0 + β1x,

en la que, por supuesto, β0 es la intersección y β

1 es la pendiente. Esta relación se ilus-

tra en la figura 11.1.Si la relación es exacta y no contiene ningún componente aleatorio o probabilístico,

entonces se trata de una relación determinista entre dos variables científicas. Sin embargo, en los ejemplos que se mencionaron, así como en muchos otros fenómenos científicos y de ingeniería, la relación no es determinista, es decir, una x dada no siempre produce el mismo valor de Y. Como resultado, los problemas importantes en este caso son de natu-raleza probabilística, toda vez que la relación anterior no puede considerarse exacta. El concepto de análisis de regresión se refiere a encontrar la mejor relación entre Y y x

390 Capítulo 11 Regresión lineal simple y correlación

cuantificando la fuerza de esa relación, y empleando métodos que permitan predecir los valores de la respuesta dados los valores del regresor x.

En muchas aplicaciones habrá más de un regresor, es decir, más de una variable independiente que ayude a explicar a Y. Por ejemplo, si se tratara de explicar las razo-nes para el precio de una casa, se esperaría que una de ellas fuera su antigüedad, en cuyo caso la estructura múltiple de la regresión se podría escribir como

Y = β0 + β1x 1 + β2x 2 ,

donde Y es el precio, x1 son los metros cuadrados y x

2 es la antigüedad de la casa en años.

En el capítulo siguiente se estudiarán problemas con regresores múltiples. El análisis resultante se denomina regresión múltiple; en tanto que el análisis del caso con un solo regresor recibe el nombre de regresión simple. En un segundo ejemplo de la regresión múltiple, un ingeniero químico podría estar interesado en la cantidad de hidrógeno que se ha perdido en las muestras de un metal específico que se tiene almacenado. En este caso habría dos entradas, x

1, el tiempo de almacenamiento en horas, y x

2, la temperatura

de almacenamiento en grados centígrados. De modo que la respuesta sería Y, la pérdida de hidrógeno en partes por millón.

En este capítulo estudiaremos el tema de la regresión lineal simple, que trata el caso de una sola variable regresora, en el que la relación entre x y y es lineal. Para el caso en el que hay más de una variable regresora el lector debe consultar el capítulo 12. De-notemos una muestra aleatoria de tamaño n mediante el conjunto {(x

i, y

i); i = 1, 2,..., n}.

Si se tomaran muestras adicionales utilizando exactamente los mismos valores de x, se esperaría que los valores de y variaran. Así, el valor y

i en el par ordenado (x

i, y

i) es el

valor de cierta variable aleatoria Yi.

11.2 El modelo de regresión lineal simple (RLS)

Hemos limitado el uso del término análisis de regresión a los casos en los que las rela-ciones entre las variables no son deterministas, es decir, no son exactas. En otras pala-bras, debe existir un componente aleatorio en la ecuación que relaciona las variables. Este componente aleatorio toma en cuenta consideraciones que no son medibles o, de

Figura 11.1: Una relación lineal; β0: intersección; β

1: pendiente.

x

Y

} β0

Y =0+

ββ

1x

11.2 El modelo de regresión lineal simple (RLS) 391

hecho, que los científicos o los ingenieros no comprenden. En realidad, en la mayoría de aplicaciones de la regresión, la ecuación lineal, digamos, Y = β

0 + β

1x es una aproxi-

mación que representa de manera simplificada algo desconocido y mucho más compli-cado. Por ejemplo, en el caso que implica la respuesta Y = contenido de alquitrán y x = temperatura de entrada es probable que Y = β

0 + β

1x sea una aproximación razonable

que podría funcionar dentro de un rango limitado de x. La mayoría de las veces los mo-delos que son simplificaciones de estructuras más complicadas y desconocidas son de naturaleza lineal, es decir, lineales en los parámetros β

0 y β

1 o, en el caso del modelo

que implica el precio, el tamaño y la antigüedad de la casa, lineal en los parámetros β0,

β1 y β

2. Estas estructuras lineales son sencillas y de naturaleza empírica, por lo que se

denominan modelos empíricos.Un análisis de la relación entre x y Y requiere el planteamiento de un modelo esta-

dístico. Con frecuencia un estadístico utiliza un modelo como representación de un ideal que, en esencia, define cómo percibimos que el sistema en cuestión generó los datos. El modelo debe incluir al conjunto {(x

i, y

i); i = 1, 2,..., n} de datos que implica n

pares de valores (x, y). No debemos olvidar que el valor de yi depende de x

i por medio de

una estructura lineal que también incluye el componente aleatorio. La base para el uso de un modelo estadístico se relaciona con la manera en que la variable aleatoria Y cambia con x y el componente aleatorio. El modelo también incluye lo que se asume acerca de las propiedades estadísticas del componente aleatorio. A continuación se presenta el modelo estadístico para la regresión lineal simple. La respuesta Y se relaciona con la variable independiente x a través de la ecuación

Modelo de regresión lineal

simple

Y = β0 + β1x +

en la cual β0 y β

1 son los parámetros desconocidos de la intersección y la pendiente,

respectivamente, y � es una variable aleatoria que se supone está distribuida con E(�) = 0 y Var(�) = σ 2. Es frecuente que a la cantidad σ 2 se le denomine varianza del error o varianza residual.

En el modelo anterior hay varias cuestiones evidentes. La cantidad Y es una variable aleatoria, ya que � es aleatoria. El valor x de la variable regresora no es aleatorio y, de hecho, se mide con un error despreciable. La cantidad �, que a menudo recibe el nombre de error aleatorio o alteración aleatoria, tiene varianza constante. Es común que a esta parte se le denomine suposición de varianza homogénea. La presencia de este error aleatorio � evita que el modelo se convierta tan sólo en una ecuación determinista. Aho-ra, el hecho de que E(�) = 0 implica que para una x específica, los valores de y se distri-buyen alrededor de la recta verdadera o recta de regresión de la población y = β

0 +

β1x. Si se elige bien el modelo, es decir, si no hay otros regresores de importancia y la

aproximación lineal es buena dentro de los rangos de los datos, entonces son razonables los errores positivos y negativos que rodean a la regresión verdadera. Debe recordarse que en la práctica β

0 y β

1 se desconocen y que deben estimarse a partir de los datos.

Además, el modelo que se acaba de describir es de naturaleza conceptual. Como resul-tado, en la práctica nunca se observan los valores � reales, por lo que nunca se puede trazar la verdadera recta de regresión, aunque suponemos que ahí está. Sólo es posible dibujar una recta estimada. En la figura 11.2 se ilustra la naturaleza de los datos (x, y) hipotéticos dispersos alrededor de la verdadera recta de regresión para un caso en que sólo se dispone de n = 5 observaciones. Debemos destacar que lo que observamos en la figura 11.2 no es la recta que utilizan el científico o ingeniero. En vez de esa recta, ¡lo


que describe la ilustración es el significado de las suposiciones! Ahora describiremos la regresión que el usuario tiene a su disposición.

La recta de regresión ajustadaUn aspecto importante del análisis de regresión es, en términos sencillos, estimar los parámetros β

0 y β

1, es decir, estimar los llamados coeficientes de regresión. En la sec-

ción siguiente se estudiará el método para estimarlos. Suponga que denotamos los esti-mados b

0 para β

0 y b

1 para β

1. Entonces, la recta de regresión ajustada, o estimada, es

dada por

y = b0 + b1x,

donde y es el valor pronosticado o ajustado. Es evidente que la recta ajustada es un esti-mado de la verdadera recta de regresión. Se espera que la recta ajustada esté más cerca de la verdadera línea de regresión cuando se dispone de una gran cantidad de datos. En el ejemplo siguiente se ilustra la recta ajustada para un estudio sobre contaminación en la vida real.

Uno de los problemas más desafiantes que enfrenta el campo del control de la con-taminación del agua lo representa la industria de la peletería, ya que sus desechos son químicamente complejos; se caracterizan por valores elevados de la demanda de oxíge-no químico, sólidos volátiles y otras medidas de contaminación. Considere los datos experimentales de la tabla 11.1, que se obtuvieron de 33 muestras de desechos tratados químicamente en un estudio realizado en Virginia Tech. Se registraron los valores de x, la reducción porcentual de los sólidos totales, y de y, el porcentaje de disminución de la demanda de oxígeno químico.

Los datos de la tabla 11.1 aparecen graficados en un diagrama de dispersión en la figura 11.3. Al inspeccionar dicho diagrama se observa que los puntos se acercan mucho a una línea recta, lo cual indica que la suposición de linealidad entre las dos variables parece ser razonable.

Figura 11.2: Datos (x, y) hipotéticos dispersos alrededor de la verdadera recta de regresión para n = 5.

x

y

ε1

ε2 ε3

ε4ε5

“Verdadera” recta de regresiónE(Y) β0 β1x= +

11.2 El modelo de regresión lineal simple (RLS) 393

En el diagrama de dispersión de la figura 11.3 se ilustra la recta de regresión ajusta-da y una recta hipotética de regresión verdadera. Más adelante, en la sección 11.3, en la cual estudiaremos el método de estimación, revisaremos este ejemplo.

Reducción Reducción de la demanda Reducción de sólidos, x (%)

Reducción de la demanda de sólidos, x (%) de oxígeno, y (%) de oxígeno, y (%)

37

111518272930303131323333343636

511211616282725353040323432343738

36373839393940414242434445464750

34363837364539414044374446464951

Tabla 11.1: Medidas de la reducción de los sólidos y de la demanda de oxígeno químico

x

y

0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54

5

10

15

20

25

30

35

40

45

50

55y = b 0

+b 1x

μ Y x = β 0+β 1x

|

Figura 11.3: Diagrama de dispersión con rectas de regresión.


Otra mirada a las suposiciones del modeloResulta aleccionador repasar el modelo de regresión lineal simple que se presentó con anterioridad y analizar de forma gráfica la manera en que se relaciona con la denomina-da regresión verdadera. Daremos más detalles en la figura 11.2, cuando ilustremos no sólo el lugar en que los �

i se localizan en la gráfica, sino también lo que implica la supo-

sición de normalidad para los �i.

Suponga que tenemos una regresión lineal simple con n = 6, valores de x equidis-tantes y un valor único de y para cada x. Considere la gráfica de la figura 11.4, la cual debería proporcionar al lector una representación clara del modelo y de las suposiciones implicadas. La recta que aparece en la gráfica es la recta de regresión verdadera. Los puntos graficados ( y, x) son puntos reales dispersos alrededor de la recta. Cada punto se ubica en su propia distribución normal, donde el centro de la distribución, es decir, la media de y, cae sobre la recta. Ciertamente esto es lo esperado, ya que E(Y) = β

0 + β

1x.

Como resultado, la verdadera recta de regresión pasa a través de las medias de la res-puesta y las observaciones reales se encuentran sobre la distribución, alrededor de las medias. Observe también que todas las distribuciones tienen la misma varianza, que se denota con σ 2. Desde luego, la desviación entre una y individual y el punto sobre la recta será su valor individual �. Esto queda claro porque

yi − E (Yi ) = yi − (β0 + β1x i ) = i .

Así, con una x dada, tanto Y como el � correspondiente tienen varianza σ 2.

Note también que aquí escribimos la verdadera recta de regresión como μ β βY x x= +0 1 con el fin de reafirmar que la recta pasa a través de la media de la variable aleatoria Y.

11.3 Mínimos cuadrados y el modelo ajustado

En esta sección se estudia el método para ajustar una recta de regresión estimada a los datos, lo cual equivale a determinar los estimados b

0 para β

0 y b

1 para β

1. Por supuesto,

Figura 11.4: Observaciones individuales alrededor de la verdadera recta de regresión.

x

Y

μ Y x =β 0+β 1x

/

x1 x2 x3 x4 x5 x6

11.3 Mínimos cuadrados y el modelo ajustado 395

esto permite el cálculo de los valores pronosticados a partir de la recta ajustada y = b0

+ b1x, y otros tipos de análisis y de información diagnóstica que determinarán la fuerza

de la relación, así como la adecuación y el ajuste del modelo. Antes de analizar el mé-todo de estimación de los mínimos cuadrados es importante presentar el concepto de residual. En esencia, un residual es un error en el ajuste del modelo y = b

0 + b

1x.

Residual: Error en el ajuste

Dado un conjunto de datos de regresión {(xi, y

i); i = 1, 2,..., n} y un modelo ajustado

yi = b

0 + b

1x, el i-ésimo residual e

i es dado por

ei = yi − yi , i = 1, 2,. . . , n .

Es evidente que si un conjunto de n residuales es grande, entonces el ajuste del mo-delo no es bueno. Los residuales pequeños son indicadores de un ajuste adecuado. Otra relación interesante, y que a veces es útil, es la siguiente:

yi = b0 + b1x i + ei .

El uso de la ecuación anterior debería aclarar la diferencia entre los residuales ei y los

errores del modelo conceptual �i. No debemos olvidar que, mientras que los �

i no se

observan, los ei no sólo se observan sino que desempeñan un papel importante en el

análisis total.La figura 11.5 ilustra el ajuste de la recta a este conjunto de datos: a saber y = b

0 +

b1x, y la recta que refleja el modelo μ β βY x x= +0 1 . Desde luego, β

0 y β

1 son parámetros

desconocidos. La recta ajustada es un estimado de la recta que genera el modelo estadís-tico. Hay que tener presente que la recta μ β βY x x= +0 1 es desconocida.

x

y

μ Y x β 0 1β x

y = b0 +

= +

b1 x

|

( xi , y i )

} ei{ε i

Figura 11.5: Comparación de �i con el residual e

i.

Método de mínimos cuadradosDebemos calcular b

0 y b

1, los estimados de β

0 y β

1, de manera que la suma de los cua-

drados de los residuales sea mínima. La suma residual de los cuadrados con frecuencia se denomina suma de los cuadrados del error respecto de la recta de regresión y se denota como SCE. Este procedimiento de minimización para estimar los parámetros


se denomina método de mínimos cuadrados. Por lo tanto, debemos calcular a y b para minimizar

SCE =

n

i =1

e2i =

n

i =1

(yi − yi )2 =

n

i =1

(yi − b0 − b1xi )2 .

Al diferenciar la SCE con respecto a b0 y b

1, se obtiene

∂(SCE)∂b0

= −2n

i =1

(yi − b0 − b1x i ),∂(SCE)∂b1

= −2n

i =1

(yi − b0 − b1x i )x i .

Al igualar a cero las derivadas parciales y reacomodar los términos, obtenemos las ecua-ciones siguientes (llamadas ecuaciones normales)

nb0 + b1

n

i =1

x i =

n

i =1

yi , b 0

n

i =1

x i + b1

n

i =1

x 2i =

n

i =1

x i yi ,

que se resuelven simultáneamente para obtener fórmulas de cálculo para b0 y b

1.

Estimación de los coeficientes de regresión

Dada la muestra {(xi, y

i)}; i = 1, 2, ... , n}, los estimados b

0 y b

1 de los mínimos cuadra-

dos de los coeficientes de regresión β0 y β

1 se calculan mediante las fórmulas

b1 =

nn

i =1x i yi −

n

i =1x i

n

i =1yi

nn

i =1x 2

i −n

i =1x i

2 =

n

i =1(x i − x )(yi − y)

n

i =1(x i − x )2

y

b0 =

n

i =1yi − b1

n

i =1x i

n= y − b1 x.

En el ejemplo siguiente se ilustra el cálculo de b0 y b

1 usando los datos de la tabla 11.1.

Ejemplo 11.1: Estime la recta de regresión para los datos de contaminación de la tabla 11.1.

Solución: 33

i =1

x i = 1104,33

i =1

yi = 1124,33

i =1

x i yi = 41,355,33

i =1

x 2i = 41,086

Por lo tanto,

b1 =(33)(41,355) − (1104)(1124)

(33)(41,086)−(1104)2=

=

0.903643 y

b0 =1124 − (0.903643)(1104)

333.829633.

Por consiguiente, la recta de regresión estimada es dada por

y = 3.8296 + 0.9036x.

Si utilizáramos la recta de regresión del ejemplo 11.1, podríamos pronosticar una reducción de 31% en la demanda de oxígeno químico si los sólidos totales se redujeran

11.3 Mínimos cuadrados y el modelo ajustado 397

un 30%. La reducción de 31% en la demanda de oxígeno químico se puede interpretar como un estimado de la media de la población μ

Y|30, o como un estimado de una obser-

vación nueva si la reducción de sólidos totales es de 30%. Sin embargo, dichas estima-ciones están sujetas a error. Incluso si el experimento estuviera controlado para que la reducción de los sólidos totales fuera de 30%, es improbable que la reducción en la de-manda de oxígeno químico que se midiera fuera exactamente igual a 31%. De hecho, los datos originales registrados en la tabla 11.1 indican que se registraron medidas de 25% y de 35% en la reducción de la demanda de oxígeno, cuando la disminución de los sóli-dos totales se mantuvo en 30%.

¿Qué es lo bueno de los mínimos cuadrados?Debemos señalar que el criterio de los mínimos cuadrados está diseñado para brindar una recta ajustada que resulte en la “cercanía” entre la recta y los puntos graficados. Existen muchas formas de medir dicha cercanía. Por ejemplo, quizá desearíamos de-

terminar los valores de b0 y b

1 para los que se minimiza

n

i=1|yi − yi | o para los que se

minimiza n

i=1|yi − yi |1.5. Ambos métodos son viables y razonables. Observe que los dos,

así como el procedimiento de mínimos cuadrados, obligan a que los residuales sean “pe-queños” en cierto sentido. Debemos recordar que los residuales son el equivalente empí-rico de los valores de �. La figura 11.6 ilustra un conjunto de residuales. Observe que la línea ajustada tiene valores predichos como puntos sobre la recta y, en consecuencia, los residuales son desviaciones verticales desde los puntos hasta la recta. Como resultado, el procedimiento de mínimos cuadrados genera una recta que minimiza la suma de los cuadrados de las desviaciones verticales desde los puntos hasta la recta.

x

y

y =b 0+b 1

x

Figura 11.6: Los residuales como desviaciones verticales.


Ejercicios11.1 Se realizó un estudio en Virginia Tech para de-terminar si ciertas medidas de la fuerza estática del bra-zo influyen en las características de “levantamiento dinámico” de un individuo. Veinticinco individuos se sometieron a pruebas de fuerza y luego se les pidió que hicieran una prueba de levantamiento de peso, en el que el peso se elevaba en forma dinámica por encima de la cabeza. A continuación se presentan los datos.

Fuerza del brazo, x

Levantamiento dinámico, yIndividual

123456789

101112

17.319.319.519.722.923.126.426.827.628.128.228.7

71.748.388.375.091.7

100.073.365.075.088.368.396.7

13141516171819202122232425

29.029.629.929.930.331.336.039.540.444.344.650.455.9

76.778.360.071.785.085.088.3

100.0100.0100.091.7

100.071.7

a) Estime los valores de β0 y β

1 para la curva de re-

gresión lineal μ β βY x x= +0 1 . b) Calcule un estimado puntual de μ

Y|30.

c) Grafique los residuales en comparación con las x (fuerza del brazo). Comente los resultados.

11.2 Las siguientes son las calificaciones de un grupo de 9 estudiantes en un informe de medio semestre (x) y en el examen final (y):

x 77 50 71 72 81 94 96 99 67y 82 66 78 34 47 85 99 99 68

a) Estime la recta de regresión lineal. b) Calcule la calificación final de un estudiante que

obtuvo 85 de calificación en el informe de medio semestre.

11.3 Se registraron las cantidades de un compuesto químico y que se disuelve en 100 gramos de agua a distintas temperaturas x:

x ( ◦ C) y (gramos)0

1530456075

81225314448

61021333951

81424284244

a) Calcule la ecuación de la recta de regresión. b) Grafique la recta en un diagrama de dispersión. c) Estime la cantidad de producto químico que se di-

solverá en 100 gramos de agua a 50°C.11.4 Para fines de calibración se recabaron los si-guientes datos, los cuales permitirían determinar la re-lación entre la presión y la lectura correspondiente en la escala.

Presión, x (lb/pulg2) Lectura en la escala, y10 1310 1810 1610 1510 2050 8650 9050 8850 8850 92

a) Calcule la ecuación de la recta de regresión. b) En esta aplicación el propósito de la calibración es

estimar la presión a partir de una lectura observada en la escala. Estime la presión para una lectura en la escala de 54, usando x = (54 – b

0)/b

1.

11.5 Se realizó un estudio sobre la cantidad de azúcar convertida en cierto proceso a distintas temperaturas. Los datos se codificaron y registraron como sigue:

Temperatura, x Azúcar convertida, y1.01.11.21.31.41.51.61.71.81.92.0

8.17.88.59.89.58.98.6

10.29.39.2

10.5 a) Estime la recta de regresión lineal. b) Calcule la cantidad media de azúcar convertida

que se produce cuando se registra una temperatura codificada de 1.75.

c) Grafique los residuales en comparación con la temperatura. Comente sus resultados.

Ejercicios 399

11.6 En cierto tipo de espécimen de prueba metálico se sabe que la tensión normal sobre un espécimen se relaciona funcionalmente con la resistencia al corte. El siguiente es un conjunto de datos experimentales codi-ficados para las dos variables:

Tensión normal, x Resistencia al corte, y26.8 26.525.4 27.328.9 24.223.6 27.127.7 23.623.9 25.924.7 26.328.1 22.526.9 21.727.4 21.422.6 25.825.6 24.9

a) Estime la recta de regresión μY|x

= β0 + β

1x.

b) Estime la resistencia al corte para una tensión nor-mal de 24.5.

11.7 Los siguientes son algunos de los datos conteni-dos en un conjunto clásico denominado “datos piloto de graficación” que aparecen en Fitting Equations to Data, de Daniel y Wood, publicado en 1971. La res-puesta y es el contenido de ácido del material determi-nado por análisis volumétrico; mientras que el regresor x es el contenido de ácido orgánico determinado por extracción y ponderación.

y x y x7662665888

12355

10075

159

7037828843

10948

13816428

a) Grafique los datos; ¿la regresión lineal simple pa-rece un modelo adecuado?

b) Haga un ajuste de regresión lineal simple; calcule la pendiente y la intersección.

c) Grafique la recta de regresión en la gráfica del in-ciso a.

11.8 Se aplica un examen de colocación de matemá-ticas a todos los estudiantes de nuevo ingreso en una universidad pequeña. Se negará la inscripción al curso regular de matemáticas a los estudiantes que obtengan menos de 35 puntos y se les enviará a clases de regula-rización. Se registraron los resultados del examen de colocación y las calificaciones finales de 20 estudiantes que tomaron el curso regular: a) Elabore un diagrama de dispersión. b) Calcule la ecuación de la recta de regresión para

predecir las calificaciones en el curso a partir de las del examen de colocación.

c) Grafique la recta en el diagrama de dispersión.

d ) Si la calificación aprobatoria mínima fuera 60 puntos, ¿qué calificación en el examen de coloca-ción se debería usar en el futuro como criterio para negar a los estudiantes el derecho de admisión a ese curso?

Examen de colocación

Calificación en el curso

50 5335 4135 6140 5655 6865 3635 1160 7090 7935 5990 5480 9160 4860 7160 7140 4755 5350 6865 5750 79

11.9 Un comerciante minorista realizó un estudio para determinar la relación que hay entre los gastos se-manales de publicidad y las ventas.

Costos de publicidad ($) Ventas ($)40 38520 40025 39520 36530 47550 44040 49020 42050 56040 52525 48050 510

a) Elabore un diagrama de dispersión. b) Calcule la ecuación de la recta de regresión para

pronosticar las ventas semanales a partir de los gastos de publicidad.

c) Estime las ventas semanales si los costos de publi-cidad son de $35.

d ) Grafique los residuales en comparación con los costos de publicidad. Comente sus resultados.

11.10 Los siguientes datos son los precios de venta z de cierta marca y modelo de automóvil usado con w años de antigüedad. Ajuste una curva de la forma μ γδz w

w= mediante la ecuación de regresión muestral no lineal z = cdw [Sugerencia: Escriba ln z = ln c + (ln d)w = b

0 + b

1w].

Cuadernillo IPC PyE 2 2015

Documents

Transcript of Cuadernillo IPC PyE 2 2015